text_similarity

文本相似性分析

目录

• data

  • 存放数据

• cosion_similarity

  • 将文本转换成向量(采用one-hot)，根据向量余弦求文本相似性，余弦值越大，相似性越高。

• jaccard_similarity

  • 直接计算两个文本中相同词汇数目与总词汇数目的比值，获得文本相似性。

• simhash_similarity

  • 根据simhash算法，求得两文本的海明距离作为其文本相似性，海明距离越大，相似性越低。

• edit_distance_similarity

  • 根据编辑距离算法，求得两文本编辑作为其相似性，编辑距离越大，相似性越低。

• euclid_similarity

  • 根据欧氏距离计算文本相似性。

• manhattan_similarity

  • 根据曼哈顿距离计算文本相似性。

• lda_similarity

  • 基于lda对文本进行向量转换，采用cosion进行相似度计算。

• lsi_similarity

  • 基于lsi对文本进行向量转换，采用cosion进行相似度计算。

• tfidf_similarity

  • 基于tfidf对文本进行向量转换，采用cosion进行相似度计算

• md25_smilarity

  • 基于md25计算查询语句与文本之间的相似性

gensim模型训练

lda, lsi, tfidf模型训练