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

3.TF-IDF

 

4.word2vec

 

 

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/