列表中两个词之间的余弦相似度
问题内容：
我正在定义一个函数，该函数需要一个单词列表并返回列表中单词之间的信息（彼此之间具有非零余弦相似性）以及相似性值。
谁能帮我这个忙。我在想，如果我可以得到一个预先计算的word2vec矢量文件，那将非常有帮助，但是互联网上没有。
问题答案：
您可以定义这两个功能
def word2vec(word):
from collections import Counter
from math import sqrt
# count the characters in word
cw = Counter(word)
# precomputes a set of the different characters
sw = set(cw)
# precomputes the "length" of the word vector
lw = sqrt(sum(c*c for c in cw.values()))
# return a tuple
return cw, sw, lw
def cosdis(v1, v2):
# which characters are common to the two words?
common = v1[1].intersection(v2[1])
# by definition of cosine distance we have
return sum(v1[0][ch]*v2[0][ch] for ch in common)/v1[2]/v2[2]
并在此示例中使用它们
>>> a = 'safasfeqefscwaeeafweeaeawaw'
>>> b = 'tsafdstrdfadsdfdswdfafdwaed'
>>> c = 'optykop;lvhopijresokpghwji7'
>>>
>>> va = word2vec(a)
>>> vb = word2vec(b)
>>> vc = word2vec(c)
>>>
>>> print cosdis(va,vb)
0.551843662321
>>> print cosdis(vb,vc)
0.113746579656
>>> print cosdis(vc,va)
0.153494378078
顺便说一句，word2vec您在标签中提到的是完全不同的业务，它要求我们中的一个人花费大量时间和精力来研究它，并猜测是什么，我不是那个人…
