上传者: 42140710
|
上传时间: 2021-11-29 20:54:31
|
文件大小: 10KB
|
文件类型: -
ChineseSimilarity-gensim-tfidf
"""
基于gensim模块的中文句子相似度计算
思路如下:
1.文本预处理:中文分词,去除停用词
2.计算词频
3.创建字典(单词与编号之间的映射)
4.将待比较的文档转换为向量(词袋表示方法)
5.建立语料库
6.初始化模型
7.创建索引
8.相似度计算并返回相似度最大的文本
"""
可直接运行ChineseSimilartyCaculation.py
stopwords.txt为中文停用词表