nltk:python自然语言处理四 相似性度量

nltk中的metrics模块中提供了各种评估或相似性度量的方法：

1.通过计算编辑距离执行相似性度量

# 编辑距离：为了使两个字符串形同 所需插入、替换或删除的字符数量

如："text"到"test"的编辑距离为1，"good"到"looking"的编剧距离为5

from nltk.metrics import edit_distance

print edit_distance("good", "looking")

2.Jaccard系数执行相似性度量

# 计算两个集合的相速度：(两个集合的并集长度-两个集合的交集长度)/两个集合 的并集长度

from nltk.metrics import jaccard_distance

a = set([1, 2, 3, 4])
b = set([1, 2, 5, 6])
# 参数必须是两个集合（6-2）/6
print(jaccard_distance(b, a))
# 0.666666666667