如何计算句子相似度?

句子相似度的计算方法有

1.欧氏距离:多维空间两个点的绝对距离

2.余弦相似度:用两个向量的夹角的余弦值来衡量相似度,首先对句子做embedding再计算两个句子或文本的相似度,更注重方  向上的差异

3.TF-IDF:从词频率的角度出发计算一个词在一个文档和所有文档的频率

4.doc2vec,word2vec:用来创建词向量的模型,doc2vec是word2vec的扩展,可以计算单个词到句子到文章的相似度。

 

计算公式:

1.欧式距离公式:

2.余弦相似度

如何计算句子相似度?_第1张图片

3.TF-IDF

如何计算句子相似度?_第2张图片

 

4.word2vec

如何计算句子相似度?_第3张图片如何计算句子相似度?_第4张图片

 

 

优缺点比较:

 

 

实现方式:

 

 

 

word2vec: trained_model.similarity('woman', 'man') 

doc2vec可以参考例子:https://kanoki.org/2019/03/07/sentence-similarity-in-python-using-doc2vec/

 

 

你可能感兴趣的:(模型预处理)