【Educoder数据挖掘实训】用Cosine计算相似度

【Educoder数据挖掘实训】用Cosine计算相似度

开挖挖挖挖

这个题目跟上一个实训很类似，区别在于本关旨在计算文本的相似度。
这里虽然说的是文本相似度但是却没有提及顺序的问题，比如否定句“不喜欢”和疑问句“喜欢不”在本实训中认为是完全相同的。

首先计算方式是基于$jieba$库中的函数$jieba.cut$，把句子拆分成不同的单词，喜欢不和不喜欢都会被拆分成“不”和“喜欢”。

然后将两个句子的词取并集作为词库，而后进行数量统计。

最后用$cosine$计算相似度即可。
计算公式为：
c o s = x 1 ∗ x 2 + y 1 ∗ y 2 x 1 2 + y 1 2 x 2 2 + y 2 2