我用字典来表示文章中的字数
例如{"name": 2 , "your": 10, "me", 20}
表示"name"出现两次,"your"出现10次,"me"出现 20 次。
那么,有没有什么好的方法可以计算这些向量的欧式距离呢? 困难在于这些向量的长度不同,有些向量包含某些词,有些则不包含。
我知道我肯定可以编写一个长函数来这样做,只是寻找一种更简单、更聪明的方法。谢谢
编辑: 目标是获取两篇文章之间的相似度并将它们分组
最佳答案
有点像
math.sqrt(sum((a[k] - b[k])**2 for k in a.keys()))
其中 a 和 b 是具有相同键的字典。如果您要比较不同向量对之间的这些值,那么您应该确保每个向量包含完全相同的词,否则您的距离测量将毫无意义。
您可以仅根据交点计算距离:
math.sqrt(sum((a[k] - b[k])**2 for k in set(a.keys()).intersection(set(b.keys()))))
另一种选择是使用联合并将未知值设置为 0
math.sqrt(sum((a.get(k, 0) - b.get(k, 0))**2 for k in set(a.keys()).union(set(b.keys()))))
但您必须仔细考虑您正在计算的实际内容。
关于python - 计算python中两个向量(词袋)之间的欧氏距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16713368/