snownlp情感分析，如何计算获得文本相似度？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

苏南大叔在这里讲述：snownlp的最后一个功能“文本相似度”的测试结果。计算上还算简单，就是具体数值的由来，目前还未知。本文描述snownlp的文本相似度的获取方式，方法很简单，就是结果理解上稍稍有点困难。

大家好，这里是苏南大叔的程序如此灵动博客，这里记录苏南大叔和计算机代码的故事。snownlp的文本相似度算法是BM25，具体来说，方法是.sim()。测试环境：win10，python@3.6.8，snownlp@0.12.3。

传入数组，以词为单位

传入的是个二维数组，可以这么理解：

[["文档1关键词1"],["文档2关键词1"]]

from snownlp import SnowNLP
s = SnowNLP([['苏南大叔', '今天','很','不','高兴','高兴','高兴'],
             ['其实', '很',"高兴","心情","愉悦","愉悦","开心"],
             ['开心','笑容满面']])
print(s.sim(['高兴']))   # [-0.7896821236962176, -0.44784712220580003, 0]
print(s.sim("高兴"))     # [0, 0, 0]

传入文本，以字为单位

这个例子里面，传入的是一句话。那么，.sim()的时候，数组也都是没有效果的了。

from snownlp import SnowNLP
s = SnowNLP("苏南大叔今天很高兴")
print(s.sim(['高兴']))   # [0, 0, 0, 0, 0, 0, 0, 0, 0]
print(s.sim(['不高兴'])) # [0, 0, 0, 0, 0, 0, 0, 0, 0]
print(s.sim('不高兴'))   # [0, 0, 0, 0, 0, 0, 0, 1.7346010553881066, 1.7346010553881066]
print(s.sim('高'))       # [0, 0, 0, 0, 0, 0, 0, 1.7346010553881066, 0]

分析

目前来看的话，传入的是数组的时候，和数组对比才有结果。传入的是文字的话，和单个文字对比才有结果。具体的数值是怎么计算来的，未知，待议。

相关链接

• https://newsn.net/say/snownlp-cut.html
• https://newsn.net/say/snownlp-keywords.html
• https://newsn.net/say/snownlp-tf.html
• https://newsn.net/say/snownlp-pinyin.html

总结

不想总结啥，snownlp的各个功能都实验了一通，觉得都挺鸡肋的。后续的snownlp文章，可能会从源码角度对snownlp进行分析了。如果您想看相关经验文章，请点击：

• https://newsn.net/tag/snownlp/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。