NLP：文本相似度计算

前面我们已经实现了把长段的句子，利用HanLP拆分成足够精炼的分词，后面我们要实现"联想"功能，我这里初步只能想到通过文本相似度计算来实现。下面介绍一下文本相似度计算

（当然HanLP也有文本相似度计算的方法，这里我应该上一节也说过，但是使用之后效果并不理想，因此，我们要换其他的方法）

这里我们采取的是text2vec，事实上网上通用的是word2vec,但是他要求自己训练模型，而且github上的流程我没看得懂，所以我就在github上找了别人现成的模型来使用

下载

bash 复制代码

pip install torch # conda install pytorch
pip install -U text2vec

这里下载第二个的时候建议用上镜像，并且请在网络较好的地方下载

测试

bash 复制代码

import sys


sys.path.append('..')
from text2vec import Similarity

# Two lists of sentences
sentences1 = ['c++开发十年经验',
              '善于沟通,领导他人',
              '全栈开发',
              '你好']

sentences2 = ['擅长编程',
              '体贴',
              'web 开发',
              '有领导能力']

sim_model = Similarity()
for i in range(len(sentences1)):
    for j in range(len(sentences2)):
        score = sim_model.get_score(sentences1[i], sentences2[j])
        print("{} \t\t {} \t\t Score: {:.4f}".format(sentences1[i], sentences2[j], score))

放上运行结果

可以发现，联想的效果还是有的，至少在我当前的需求下，它是完全够用的。

We couldn't connect to 'https://huggingface.co'

这是一个很关键的报错，具体可以参考这位老哥的博客：解决办法

（不过确实，因为围墙的存在，在一定程度上是阻碍了国内科研和学习的发展）

亲测可行的方法则是在代码前面补充上下面两行代码（即利用镜像）

bash 复制代码

import os
os.environ['HF_ENDPOINT']='https://hf-mirror.com'

之后如果有闲工夫的话，我还是想利用word2vec来训练一个自己的模型，毕竟数据摆在这里，不用而去调别人现成的模型，多少是不会满足特定场景的需求。

参考文献：

python实现文本相似度的计算

python利用word2vec计算文本相似度

wiki. model下载