如何用python計(jì)算文本的相似度？第一步：把每個(gè)網(wǎng)頁(yè)文本分詞，成為詞包（bag of words）。第三步：統(tǒng)計(jì)網(wǎng)頁(yè)（文檔）總數(shù)M。第三步：統(tǒng)計(jì)第一個(gè)網(wǎng)頁(yè)詞數(shù)N，計(jì)算第一個(gè)網(wǎng)頁(yè)第一個(gè)詞在該網(wǎng)頁(yè)中出現(xiàn)

如何用python計(jì)算文本的相似度？

第一步：把每個(gè)網(wǎng)頁(yè)文本分詞，成為詞包（bag of words）。第三步：統(tǒng)計(jì)網(wǎng)頁(yè)（文檔）總數(shù)M。第三步：統(tǒng)計(jì)第一個(gè)網(wǎng)頁(yè)詞數(shù)N，計(jì)算第一個(gè)網(wǎng)頁(yè)第一個(gè)詞在該網(wǎng)頁(yè)中出現(xiàn)的次數(shù)n，再找出該詞在所有文檔中出現(xiàn)的次數(shù)m。則該詞的tf-idf 為：n/N * 1/(m/M) （還有其它的歸一化公式，這里是最基本最直觀的公式）第四步：重復(fù)第三步，計(jì)算出一個(gè)網(wǎng)頁(yè)所有詞的tf-idf 值。第五步：重復(fù)第四步，計(jì)算出所有網(wǎng)頁(yè)每個(gè)詞的tf-idf 值。3、處理用戶查詢第一步：對(duì)用戶查詢進(jìn)行分詞。第二步：根據(jù)網(wǎng)頁(yè)庫(kù)（文檔）的數(shù)據(jù)，計(jì)算用戶查詢中每個(gè)詞的tf-idf 值。4、相似度的計(jì)算使用余弦相似度來(lái)計(jì)算用戶查詢和每個(gè)網(wǎng)頁(yè)之間的夾角。夾角越小，越相似。

如何利用Python做人群相似度數(shù)據(jù)分析？

。

1、首先你要了解Python語(yǔ)言的整個(gè)架構(gòu)和一些基本概念，也就是所說(shuō)的Python入門(mén)，這里推薦資料：簡(jiǎn)明 Python 教程，很適合初學(xué)者，概念的講解簡(jiǎn)單明了。還有大量的練習(xí)，跟著做會(huì)有很快的提高。2、基本了解了python后，還要學(xué)習(xí)一些用于數(shù)據(jù)分析的工具，也就是一些基于python的科學(xué)計(jì)算庫(kù)。贊同 杜客答案中提到的SciPy系列工具，尤其是NumPy工具包，可以說(shuō)是用Python進(jìn)行數(shù)據(jù)分析的最常用的。另外對(duì)于數(shù)據(jù)分析，少不了數(shù)據(jù)的可視化（也就是畫(huà)圖），首選matplotlib: python plotting，在Linux下非常好用，畫(huà)出來(lái)的圖很漂亮。還有一個(gè)工具包scikit-learn: machine learning in Python，這個(gè)工具包主要針對(duì)機(jī)器學(xué)習(xí)領(lǐng)域進(jìn)行數(shù)據(jù)分析的，里面大量的實(shí)例。幾乎各種數(shù)據(jù)分析方法在里面都能找到相應(yīng)的實(shí)現(xiàn)，一些程序有針對(duì)性的修改一下就可以了。

python有沒(méi)有什么包能判斷文本相似度？

安裝python-Levenshtein模塊

pip install python-Levenshtein

使用python-Levenshtein模塊

import Levenshtein

算法說(shuō)明

1). Levenshtein.hamming(str1， str2)

計(jì)算漢明距離。要求str1和str2必須長(zhǎng)度一致。是描述兩個(gè)等長(zhǎng)字串之間對(duì)應(yīng) 位置上不同字符的個(gè)數(shù)。

2). Levenshtein.distance(str1， str2)

計(jì)算編輯距離（也稱為 Levenshtein距離）。是描述由一個(gè)字串轉(zhuǎn)化成另一個(gè)字串最少的操作次數(shù)，在其中的操作包括插入、刪除、替換。

算法實(shí)現(xiàn)參考動(dòng)態(tài)規(guī)劃整理。

3). Levenshtein.ratio(str1， str2)

計(jì)算萊文斯坦比。計(jì)算公式r = (sum - ldist) / sum， 其中sum是指str1 和 str2 字串的長(zhǎng)度總和，ldist是 類編輯距離

注意 ：這里的類編輯距離不是2中所說(shuō)的編輯距離，2中三種操作中每個(gè)操作 1，而在此處，刪除、插入依然 1，但是替換 2

這樣設(shè)計(jì)的目的：ratio("a"， "c")，sum=2， 按2中計(jì)算為（2-1）/2 = 0.5，’a"，"c"沒(méi)有重合，顯然不合算，但是替換操作 2，就可以解決這個(gè)問(wèn)題。

4). Levenshtein.jaro(s1 ， s2 )

計(jì)算jaro距離，

其中的 m 為s1 ， s2的匹配長(zhǎng)度，當(dāng)某位置的認(rèn)為匹配當(dāng)該位置字符相同，或者在不超過(guò)

t是調(diào)換次數(shù)的一半

5.) Levenshtein.jaro_winkler(s 1 ， s 2 )

計(jì)算 Jaro–Winkler距離：

學(xué)Python一定要會(huì)算法嗎？

剛開(kāi)始入門(mén)時(shí)，不是必須學(xué)好算法的。但是隨著技術(shù)的深入，算法還是需要的，不然只能干點(diǎn)"搬磚"的活兒。

1、學(xué)好軟件開(kāi)發(fā)離不開(kāi)計(jì)算機(jī)理論基礎(chǔ)，如數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、網(wǎng)絡(luò)技術(shù)、算法研究等。如果熱愛(ài)這門(mén)技術(shù)，這些都是不問(wèn)題，先入門(mén)，這些慢慢的都可以補(bǔ)上。

2、關(guān)于算法，它是軟件開(kāi)發(fā)的靈魂，沒(méi)有好的算法寫(xiě)不出優(yōu)秀的程序。

3、如何學(xué)習(xí)算法，首先選取經(jīng)典算法教材?；A(chǔ)的可以先從《數(shù)據(jù)結(jié)構(gòu)》學(xué)起，里面有些基礎(chǔ)算法，然后再去學(xué)專門(mén)的算法(其實(shí)把數(shù)據(jù)結(jié)構(gòu)范疇的算法學(xué)好，一般就夠用了)。還有網(wǎng)上有很多論壇，算法網(wǎng)站，為了吸引眼球 一般都做的淺顯易懂。還有大部分算法為c語(yǔ)言，但語(yǔ)言在算法層面都相通的，明白算法模型才是最重要的。

4、萬(wàn)事開(kāi)頭難，只要入門(mén)，剩下的就是慢慢經(jīng)營(yíng)這門(mén)技術(shù)就行了。算法在實(shí)踐中學(xué)的最快也最牢固。

希望能幫到你