1 代码示例
直接上代码。
# coding: utf-8
import jieba
import math
import numpy as np
from collections import defaultdict
# 1. 模块化设计：将功能封装为函数
class TextSimilarityCalculator:
def __init__(self, stop_words=None):
"""初始化，可传入停用词列表"""
self.stop_words = stop_words if stop_words else set()
self.word_dict = None # 词袋字典
self.vector_size = 0 # 向量维度
def preprocess_text(self, text, cut_all=True):
"""文本预处理：分词+过滤停用词"""
words = [word for word in jieba.cut(text, cut_all=cut_all)
if word.strip() and word not in self.stop_words]
return words
def build_vocabulary(self, *texts):
"""构建词袋模型：接收多个文本"""
word_set = set()
for text in texts:
words = self.preprocess_text(text)
word_set.update(words)
self.word_dict = {word: idx for idx, word in enumerate(word_set)}
self.vector_size = len(word_set)
return self.word_dict
def text_to_vector(self, text):
"""将文本转换为词频向量"""
if not self.word_dict:
raise ValueError("请先构建词袋模型")
words = self.preprocess_text(text)
vector = np.zeros(self.vector_size)
word_counts = defaultdict(int)
for word in words:
if word in self.word_dict:
word_counts[word] += 1
for word, count in word_counts.items():
vector[self.word_dict[word]] = count
return vector
def cosine_similarity(self, vec1, vec2):
"""计算余弦相似度"""
dot_product = np.dot(vec1, vec2)
norm_vec1 = np.linalg.norm(vec1)
norm_vec2 = np.linalg.norm(vec2)
if norm_vec1 == 0 or norm_vec2 == 0:
return 0.0
return round(dot_product / (norm_vec1 * norm_vec2), 4)
# 2. 使用示例
if __name__ == "__main__":
# 示例文本
s1 = "山东济南250014山东大学齐鲁医学院"
s2 = "山东泰安271016山东第一医科大学生命科学学院"
# 3. 添加停用词处理（示例）
stop_words = {"的", "了", "是", "我", "你"}
# 创建计算器实例
calculator = TextSimilarityCalculator(stop_words)
# 构建词袋模型
calculator.build_vocabulary(s1, s2)
print("词袋大小:", calculator.vector_size)
# 文本向量化
vec1 = calculator.text_to_vector(s1)
vec2 = calculator.text_to_vector(s2)
# 计算相似度
similarity = calculator.cosine_similarity(vec1, vec2)
print(f"文本相似度: {similarity:.4f}")
# 4. 扩展功能：计算多个文本的相似度矩阵
texts = [
"山东济南山东大学",
"山东泰安医科大学",
"北京清华大学",
"上海复旦大学"
]
# 重新构建词袋
calculator.build_vocabulary(*texts)
# 生成所有文本向量
vectors = [calculator.text_to_vector(text) for text in texts]
# 计算相似度矩阵
similarity_matrix = np.zeros((len(texts), len(texts)))
for i in range(len(texts)):
for j in range(len(texts)):
similarity_matrix[i][j] = calculator.cosine_similarity(vectors[i], vectors[j])
print("\n文本相似度矩阵:")
print(similarity_matrix)
"""
词袋大小: 24
文本相似度: 0.3721
文本相似度矩阵:
[[1. 0.378 0.1491 0.1491]
[0.378 1. 0.169 0.169 ]
[0.1491 0.169 1. 0.2 ]
[0.1491 0.169 0.2 1. ]]
"""
2 欢迎纠错
欢迎纠错，随时更新。
联系方式：评论、私信，或 企鹅 ：179 0042 182 。
码字不易，如觉得还可以，请给个免费的 zan 和 soucang ，让我有动力继续写下去。
3 免费爬虫
https://affiliate
.bazhuayu
.com
/M8lKUC
4 论文写作/Python 学习智能体
https://chatglm.cn/share/WF2C5ree
-
- 以下关于 Markdown 编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
++ 新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：
- 全新的界面设计 ，将会带来全新的写作体验；
- 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
- 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
- 全新的 KaTeX数学公式 语法；
- 增加了支持甘特图的mermaid语法1 功能；
- 增加了 多屏幕编辑 Markdown文章功能；
- 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
- 增加了 检查列表 功能。
++ 功能快捷键
撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G
++ 合理的创建标题，有助于目录的生成
直接输入1次+，并按下space后，将生成1级标题。
输入2次+，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。
++ 如何改变文本的样式
强调文本 强调文本
加粗文本 加粗文本
标记文本
删除文本
引用文本
H2O is是液体。
210 运算结果是 1024.
++ 插入链接与图片
链接: link.
图片:
带尺寸的图片:
居中的图片:
居中并且带尺寸的图片:
当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。
++ 如何插入一段漂亮的代码片
去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.
// An highlighted block
var foo = 'bar';
++ 生成一个适合你的列表
- 项目
- 项目
- 项目
- 项目
- 项目1
- 项目2
- 项目3
- 计划任务
- 完成任务
++ 创建一个表格
一个简单的表格是这么创建的：
| 项目 | Value |
|---|---|
| 电脑 | $1600 |
| 手机 | $12 |
| 导管 | $1 |
+++ 设定内容居中、居左、居右
使用:---------:居中
使用:----------居左
使用----------:居右
| 第一列 | 第二列 | 第三列 |
|---|---|---|
| 第一列文本居中 | 第二列文本居右 | 第三列文本居左 |
+++ SmartyPants
SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：
| TYPE | ASCII | HTML |
|---|---|---|
| Single backticks | 'Isn't this fun?' | ‘Isn’t this fun?’ |
| Quotes | "Isn't this fun?" | “Isn’t this fun?” |
| Dashes | -- is en-dash, --- is em-dash | – is en-dash, — is em-dash |
++ 创建一个自定义列表
Markdown
: Text-to-HTML conversion tool
-
Authors
- John
- Luke
++ 如何创建一个注脚
一个具有注脚的文本。2
++ 注释也是必不可少的
Markdown将文本转换为 HTML。
++ KaTeX数学公式
您可以使用渲染LaTeX数学表达式 KaTeX:
Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分
Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞tz−1e−tdt.
你可以找到更多关于的信息 LaTeX 数学表达式here.
++ 新的甘特图功能，丰富你的文章
- 关于 甘特图 语法，参考 这儿,
++ UML 图表
可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：
这将产生一个流程图。:
- 关于 Mermaid 语法，参考 这儿,
++ FLowchart流程图
我们依旧会支持flowchart的流程图：
- 关于 Flowchart流程图 语法，参考 这儿.
++ 导出与导入
+++ 导出
如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。
+++ 导入
如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。
注脚的解释 ↩︎
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
