Nlp 两个文档之间的不同特征

我试图找出这两份文件的不同之处。我正在使用gensim，到目前为止已经获得了相似性分数

有没有办法知道两份文件之间的不同分数和不同特征？

---

如何评价呢？

使用词向量的余弦相似度给出了两个句子之间的语义相似度。首先，让我们了解这是如何计算的。假设有两个向量表示两个文本文档

及

然后向量的点积由下式给出

几何上，θ表示平面上a和b向量之间的角度。因此，角度越小，相似度越高。因此，余弦相似性方法报告了该角度度量。现在几何上，如果两个向量之间的差值较小，则角度较小，因此余弦相似性较高。如果角度远且接近90'，则其余弦接近零

因此，低分数的余弦相似性表示不相关向量。当然，在文本文档中，不相关向量可能是差异性的度量。否则，如果角度接近180'，则余弦相似性将接近1，但将被否定。这可能意味着这两个文档具有相反的含义。这又是一种不同类型的差异

总之，根据应用程序的不同，您可以使用不相关和相反的向量来度量差异性。

---

你也可以考虑句法上的差异，比如依赖性解析树、命名实体等的差异，但是又不知道你到底想要达到什么目标，它很难给出一个单一的方法。

对于一个通用的领域，你不认为（1余弦相似性）可以作为不相似度的度量吗？谢谢。这是我到目前为止所做的评估。但我还没有找到不同的特征。