【python 走进NLP】两两求相似度,得到一条文本和其他文本最大的相似度

2024-09-07 07:58

本文主要是介绍【python 走进NLP】两两求相似度,得到一条文本和其他文本最大的相似度,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

应用场景:
一个数据框里面文本,两两求相似度,得到一条文本和其他文本最大的相似度。

              content source_id
0  丰华股份军阀割据发生的故事大概多少w         1
1   丰华股份军阀割据发生的故事大概多少         2
2   丰华股份军阀割据发生的故事大概多少         3
3   丰华股份军阀割据发生的故事大概多少         4
4   丰华股份军阀割据发生的故事大概多少         5

一开始数据框是这样子,要计算 第一行文本和第二行文本,第三行文本,第四行文本,第五行文本的相似度,并求最大,以此类推。
这其实是个排列问题,先要数据排列,再处理数据。

希望得到如下结果:

              content source_id  max_similar
0  丰华股份军阀割据发生的故事大概多少w         1       0.9444
1   丰华股份军阀割据发生的故事大概多少         2       1.0000
2   丰华股份军阀割据发生的故事大概多少         3       1.0000
3   丰华股份军阀割据发生的故事大概多少         4       1.0000
4   丰华股份军阀割据发生的故事大概多少         5       1.0000
# -*- encoding=utf-8 -*-
import pandas as pd
from itertools import permutationsfrom 文本防刷系统.text_anti_brush_function import *
content_list=['丰华股份军阀割据发生的故事大概多少w','丰华股份军阀割据发生的故事大概多少','丰华股份军阀割据发生的故事大概多少','丰华股份军阀割据发生的故事大概多少','丰华股份军阀割据发生的故事大概多少']source_id_list=['1','2','3','4','5']
data1=pd.DataFrame({'content':content_list,'source_id':source_id_list})print(data1)
test_data=dict(data1['content'])
print('排列有:')
max_similar_list = []
k1=[]
k2=[]
for i,j in permutations(test_data, 2):similar=lcs_similarity(str(data1.iloc[i,0]),str(data1.iloc[j,0]))print(i,j,data1.iloc[i,0],data1.iloc[j,0],similar)k1.append(i)k2.append(similar)data3=pd.DataFrame({'k1':k1,'k2':k2})
print(data3)# 分组取最大相似度
data3 = data3.groupby(['k1'], as_index=False)['k2'].max()print(data3)
# 新增一列相似度
data1['max_similar']=data3['k2']print(data1)
E:\laidefa\python.exe F:/文本标签/文本防刷系统/相似度.pycontent source_id
0  丰华股份军阀割据发生的故事大概多少w         1
1   丰华股份军阀割据发生的故事大概多少         2
2   丰华股份军阀割据发生的故事大概多少         3
3   丰华股份军阀割据发生的故事大概多少         4
4   丰华股份军阀割据发生的故事大概多少         5
排列有:
0 1 丰华股份军阀割据发生的故事大概多少w 丰华股份军阀割据发生的故事大概多少 0.9444
0 2 丰华股份军阀割据发生的故事大概多少w 丰华股份军阀割据发生的故事大概多少 0.9444
0 3 丰华股份军阀割据发生的故事大概多少w 丰华股份军阀割据发生的故事大概多少 0.9444
0 4 丰华股份军阀割据发生的故事大概多少w 丰华股份军阀割据发生的故事大概多少 0.9444
1 0 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少w 0.9444
1 2 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
1 3 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
1 4 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
2 0 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少w 0.9444
2 1 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
2 3 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
2 4 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
3 0 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少w 0.9444
3 1 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
3 2 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
3 4 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
4 0 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少w 0.9444
4 1 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
4 2 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0
4 3 丰华股份军阀割据发生的故事大概多少 丰华股份军阀割据发生的故事大概多少 1.0k1      k2
0    0  0.9444
1    0  0.9444
2    0  0.9444
3    0  0.9444
4    1  0.9444
5    1  1.0000
6    1  1.0000
7    1  1.0000
8    2  0.9444
9    2  1.0000
10   2  1.0000
11   2  1.0000
12   3  0.9444
13   3  1.0000
14   3  1.0000
15   3  1.0000
16   4  0.9444
17   4  1.0000
18   4  1.0000
19   4  1.0000k1      k2
0   0  0.9444
1   1  1.0000
2   2  1.0000
3   3  1.0000
4   4  1.0000content source_id  max_similar
0  丰华股份军阀割据发生的故事大概多少w         1       0.9444
1   丰华股份军阀割据发生的故事大概多少         2       1.0000
2   丰华股份军阀割据发生的故事大概多少         3       1.0000
3   丰华股份军阀割据发生的故事大概多少         4       1.0000
4   丰华股份军阀割据发生的故事大概多少         5       1.0000Process finished with exit code 0

这篇关于【python 走进NLP】两两求相似度,得到一条文本和其他文本最大的相似度的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1144509

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

总有一条路,我们很迷茫

十年前,我家还处于一个贫穷落后的小山村,周围的人会根据我父母的收入来对待我,而十年后的今天,我家的那座小山村医成为重点开发的地区,一夜之间我家成了所谓的土豪,周围的人依然根据我家的收入对待我。现实,什么是现实?这就是现实。从那一刻,我开始明白要想得到别人的尊重,首先你得有别人尊重的实力。 所以,这么多年来不管自己过得多累,走得多艰辛,我都会一直坚持。在人生前进的道路,我们总会经历风雨,难免感到迷

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

poj 3723 kruscal,反边取最大生成树。

题意: 需要征募女兵N人,男兵M人。 每征募一个人需要花费10000美元,但是如果已经招募的人中有一些关系亲密的人,那么可以少花一些钱。 给出若干的男女之间的1~9999之间的亲密关系度,征募某个人的费用是10000 - (已经征募的人中和自己的亲密度的最大值)。 要求通过适当的招募顺序使得征募所有人的费用最小。 解析: 先设想无向图,在征募某个人a时,如果使用了a和b之间的关系

poj 3258 二分最小值最大

题意: 有一些石头排成一条线,第一个和最后一个不能去掉。 其余的共可以去掉m块,要使去掉后石头间距的最小值最大。 解析: 二分石头,最小值最大。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <c

poj 2175 最小费用最大流TLE

题意: 一条街上有n个大楼,坐标为xi,yi,bi个人在里面工作。 然后防空洞的坐标为pj,qj,可以容纳cj个人。 从大楼i中的人到防空洞j去避难所需的时间为 abs(xi - pi) + (yi - qi) + 1。 现在设计了一个避难计划,指定从大楼i到防空洞j避难的人数 eij。 判断如果按照原计划进行,所有人避难所用的时间总和是不是最小的。 若是,输出“OPETIMAL",若

poj 2135 有流量限制的最小费用最大流

题意: 农场里有n块地,其中约翰的家在1号地,二n号地有个很大的仓库。 农场有M条道路(双向),道路i连接着ai号地和bi号地,长度为ci。 约翰希望按照从家里出发,经过若干块地后到达仓库,然后再返回家中的顺序带朋友参观。 如果要求往返不能经过同一条路两次,求参观路线总长度的最小值。 解析: 如果只考虑去或者回的情况,问题只不过是无向图中两点之间的最短路问题。 但是现在要去要回

poj 2594 二分图最大独立集

题意: 求一张图的最大独立集,这题不同的地方在于,间接相邻的点也可以有一条边,所以用floyd来把间接相邻的边也连起来。 代码: #include <iostream>#include <cstdio>#include <cstdlib>#include <algorithm>#include <cstring>#include <cmath>#include <sta