python比较文本相似度(not semantical)

statement：这里的文本相似度不是指语义相似度，仅仅指字符重叠度

sudo apt-get install python-Levenshtein

 import Levenshtein as lst
>>> lst.distance('as','asd')
1
>>> lst.ratio('as','asd')
0.8
>>> lst.ratio('ase','asd')
0.6666666666666666
>>> lst.distance('ase','asd')
1
>>> lst.distance('as','as')
0
>>> lst.distance('好的','好像')
3
>>> lst.ratio('好的','好像')
0.5
>>> lst.ratio('好的还可以','好像')
0.47619047619047616
>>> lst.ratio('好像是','好像')
0.8
>>> 

​

页可以根据余弦定理：

TF-IDF与余弦相似性的应用（二）：找出相似文章

http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html

来源：oschina

链接：https://my.oschina.net/u/105637/blog/733229