同义词词林扩展版与知网（Hownet）的词语相似度计算方法，词汇覆盖更多、结果更准确。

基于WMF_LDA主题模型的文本相似度计算

相似文档检测 Mission data.csv中包含了一个新闻标题列表，试通过近似检测方法，通过Jaccard相似度，检测相似文章，将结果保存到csv文件中，不同文章间用空行隔开。 Work 思路： 两个词作为一段来计算，末尾不够截掉 Jaccard相关系数大于0.5则认为两个新闻标题相似 利用并查集将相似的合并在一起 Code import pandas as pd import nltk import numpy as np class Jaccard: def __init__(self, _len): # _len 为步长值，语句切分的步长值 self._len

kmeans算法 文本相似度计算（可控制台手动输入数据）

这个是基于知网的词语相似度计算压缩包，里面有源码跟说明文档

相似度计算，句向量，人工智能，文本抽取，深度学习，

在NLP中孪生网络基本是用来计算句子间的语义相似度的。其结构如下在计算句子语义相似度的时候，都是以句子对的形式输入到网络中，孪生网络就是定义两个网络结构分别来表征句子对中的句子，然后通过曼哈顿距离，欧式距离，余弦相似度等来度量两个句子之间的空间相似度。孪生网络又可以分为孪生网络和伪孪生网络，这两者的定义：孪生网络：两个网络结构相同且共享参数，当两个句子来自统一领域且在结构上有很大的相似度时选择该模型；伪孪生网络：两个网络结构相同但不共享参数，或者两个网络结构不同，当两个句子结构上不同，或者来自不同的领域，或者时句子和图片之间的相似度计算时选择该模型；另外孪生网络的损失函数一般选择Contras

用于个向量求相似度，main 函数里的int1,int2是编码，它们间的元素是可重复的。dou1是对应int1的值，dou2是对应int2的值。

传统的文本分类中相似度的计算，是根据欧氏空间中向量之间夹角的余弦值来表征的，它根据余弦值的大小来 反映文本之间的相互关系。该文则首先建立文本集与码字集之间的1-1对应关系，然后借用编码理论中汉明距离的概 念，由汉明距离的计算公式，得到了一种全新的文本相似度的计算方法，与传统的方法相比较，它具有简便，快速等优点。

调用DGI相关API计算图像哈希, 计算两个图像的相似度, 此源码并非原创, 跟根据论坛某位大大开源修改版, 原开源计算的图片需要先写到磁盘,提供图片路径, 本修改版 是直接提供图像字节集计算