現(xiàn)實生活中，我們經(jīng)常提到距離這個詞，本文談的相似度就是基于距離定義的，當(dāng)兩個向量之間的距離特別小時，就說這倆個向量相似度高，反之相似度不高。所以，衡量相似度的指標(biāo)就是距離度量。

經(jīng)常使用的相似度計算公式有：歐幾里得相似度、余弦相似度、皮爾遜相似度、曼哈頓相似度。

（1）歐幾里得相似度：

import numpy as np def eculidDisSim(x,y):'''歐幾里得相似度'''return np.sqrt(sum(pow(a-b,2) for a,b in zip(x,y))) if __name__=='__main__':a=np.array([1,2,3])b=np.array([6,5,4])sim=eculidDisSim(a,b)

（2）余弦相似度：

import numpy as np def cosSim(x,y):'''余弦相似度'''tmp=np.sum(x*y)non=np.linalg.norm(x)*np.linalg.norm(y)return np.round(tmp/float(non),9)if __name__=='__main__':a=np.array([1,2,3])b=np.array([6,5,4])sim=cosSim(a,b)

（3）皮爾遜（pearsonr）相似度：

from scipy.stats import pearsonr import numpy as np def pearsonrSim(x,y):'''皮爾森相似度'''return pearsonr(x,y)[0]if __name__=='__main__':a=np.array([1,2,3])b=np.array([6,5,4])sim=pearsonrSim(a,b)

（4）曼哈頓相似度：

import numpy as np def manhattanDisSim(x,y):'''曼哈頓相似度'''return sum(abs(a-b) for a,b in zip(x,y))if __name__=='__main__':a=np.array([1,2,3])b=np.array([6,5,4])sim=manhattanDisSim(a,b)

總結(jié)

以上是生活随笔為你收集整理的python实现词语相似度计算分析_相似度计算的方法及Python实现的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。