Python 列表中两个单词之间的余弦相似性

我正在定义一个函数，它获取一个单词列表，并返回列表中相互之间具有非零余弦相似度（以及相似度值）的单词的相关信息

---

有人能帮我解决这个问题吗。我在想，如果我能得到一个预计算的word2vec矢量文件，那将非常有用，但在互联网上没有

您可以定义这两个函数

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]

并在本例中使用它们

>>> 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，你在标签中提到的是一个完全不同的行业，这需要我们中的一个人花大量的时间和精力来研究它，你猜怎么着，我不是那个…

这是怎么回事

scipy.spatial.distance.cosine(word2vec(a),word2vec(b))

---

您可以使用word2vec库来实现这一点。

您能展示一下您迄今为止所做的尝试吗？有指向几个可供下载的预计算向量集合的指针。非常感谢您如此轻松地解释它。。但是我有一个疑问，我们不能像处理查询和文档一样做同样的事情吗。。我的意思是，首先求一个字母的字母频率，然后求逆单词频率。然后计算cos角？。。只是想知道..不，我展示的是在词汇层面上做的，真正的东西，比如

word2vec

或

python

免费库，在语义层面上工作。如果我是你，我将尝试调查并最终研究

gensim

库，这是一个基于

word2vec

构建的Python shell。。我正在阅读的代码说明是“编写一个函数，获取单词列表，并返回列表中相互之间具有非零余弦相似度的单词的信息，以及相似度值。”那么这是指语义相似度，还是仅指您建议的正常相似度？这个“距离”看起来方向不对。距离越远，意味着不同，而相似程度越低。