Python中的字符串相似度
Python字符串相似度
利用difflib模塊—實現(xiàn)兩個字符串或文本相似度比較
首先導入difflib模塊
import difflib
示例：
Str = '上海中心大廈' s1 ?= '大廈' s2 ?= '上海中心' s3 ?= '上海中心大樓'
print(difflib.SequenceMatcher(None, Str, s1).quick_ratio()) ? print(difflib.SequenceMatcher(None, Str, s2).quick_ratio()) ? print(difflib.SequenceMatcher(None, Str, s3).quick_ratio()) 0.5 0.8 0.8333333333333334
Python相似度評估
在評估相似度的時候，經(jīng)常會用到“距離”：
1. 在計算圖片的相似度時，我自己用到過余弦距離
有沒有搞錯，又不是學幾何，怎么扯到夾角余弦了？各位看官稍安勿躁。幾何中夾角余弦可用來衡量兩個向量方向的差異，機器學習中借用這一概念來衡量樣本向量之間的差異。
(1)在二維空間中向量A(x1,y1)與向量B(x2,y2)的夾角余弦公式：
(2)兩個n維樣本點a(x11,x12,…,x1n)和b(x21,x22,…,x2n)的夾角余弦
類似的，對于兩個n維樣本點a(x11,x12,…,x1n)和b(x21,x22,…,x2n)，可以使用類似于夾角余弦的概念來衡量它們間的相似程度。
即：
夾角余弦取值范圍為[-1,1]。夾角余弦越大表示兩個向量的夾角越小，夾角余弦越小表示兩向量的夾角越大。當兩個向量的方向重合時夾角余弦取最大值1，當兩個向量的方向完全相反夾角余弦取最小值-1。
import numpy as np
# 余弦相似度（法1）：
def cosin_distance2(vector1, vector2):
?
? ? user_item_matric = np.vstack((vector1, vector2))
? ? sim = user_item_matric.dot(user_item_matric.T)
? ? norms = np.array([np.sqrt(np.diagonal(sim))])
? ? user_similarity = (sim / norms / norms.T)[0][1]
? ? return user_similarity
?
data = np.load("data/all_features.npy")
#sim = cosin_distance(data[22], data[828])
sim = cosin_distance2(data[22], data[828])
print(sim)
?
# 余弦相似度（法2）
from sklearn.metrics.pairwise import cosine_similarity
a = np.array([1, 2, 8, 4, 6])
a1 = np.argsort(a)
user_tag_matric = np.vstack((a, a1))
user_similarity = cosine_similarity(user_tag_matric)
print(user_similarity[0][1])
?
# 余弦相似度（法3）
from sklearn.metrics.pairwise import pairwise_distances
a = np.array([1, 2, 8, 4, 6])
a1 = np.argsort(a)
user_tag_matric = np.vstack((a, a1))
user_similarity = pairwise_distances(user_tag_matric, metric='cosine')
print(1-user_similarity[0][1])需要注意的一點是，用pairwise_distances計算的Cosine distance是1-（cosine similarity）結(jié)果
2.歐式距離
歐氏距離是最易于理解的一種距離計算方法，源自歐氏空間中兩點間的距離公式
# 1) given two data points, calculate the euclidean distance between them def get_distance(data1, data2): ? ? points = zip(data1, data2) ? ? diffs_squared_distance = [pow(a - b, 2) for (a, b) in points] ? ? return math.sqrt(sum(diffs_squared_distance))
3. 曼哈頓距離
從名字就可以猜出這種距離的計算方法了。想象你在曼哈頓要從一個十字路口開車到另外一個十字路口，駕駛距離是兩點間的直線距離嗎？顯然不是，除非你能穿越大樓。實際駕駛距離就是這個“曼哈頓距離”。而這也是曼哈頓距離名稱的來源， 曼哈頓距離也稱為城市街區(qū)距離(CityBlock distance)。
def Manhattan(vec1, vec2): ? ? npvec1, npvec2 = np.array(vec1), np.array(vec2) ? ? return np.abs(npvec1-npvec2).sum() # Manhattan_Distance,
4.切比雪夫距離
國際象棋玩過么？國王走一步能夠移動到相鄰的8個方格中的任意一個。那么國王從格子(x1,y1)走到格子(x2,y2)最少需要多少步？自己走走試試。你會發(fā)現(xiàn)最少步數(shù)總是max(| x2-x1 | , | y2-y1 | ) 步。有一種類似的一種距離度量方法叫切比雪夫距離。
def Chebyshev(vec1, vec2): ? ? npvec1, npvec2 = np.array(vec1), np.array(vec2) ? ? return max(np.abs(npvec1-npvec2)) # Chebyshev_Distance
5.閔可夫斯基距離
閔氏距離不是一種距離，而是一組距離的定義
#!/usr/bin/env python ? from math import* from decimal import Decimal ? def nth_root(value,n_root): ? ? root_value=1/float(n_root) ? ? return round(Decimal(value)**Decimal(root_value),3) ? def minkowski_distance(x,y,p_value): ? ? return nth_root(sum(pow(abs(a-b),p_value) for a,b in zip(x,y)),p_value) ? print(minkowski_distance([0,3,4,5],[7,6,3,-1],3))
6.標準化歐氏距離
標準化歐氏距離是針對簡單歐氏距離的缺點而作的一種改進方案。標準歐氏距離的思路：既然數(shù)據(jù)各維分量的分布不一樣，好吧！那我先將各個分量都“標準化”到均值、方差相等吧
def Standardized_Euclidean(vec1,vec2,v): ? ? from scipy import spatial ? ? npvec = np.array([np.array(vec1), np.array(vec2)]) ? ? return spatial.distance.pdist(npvec, 'seuclidean', V=None) # Standardized Euclidean distance # http://blog.csdn.net/jinzhichaoshuiping/article/details/51019473
7.馬氏距離
def Mahalanobis(vec1, vec2): ? ? npvec1, npvec2 = np.array(vec1), np.array(vec2) ? ? npvec = np.array([npvec1, npvec2]) ? ? sub = npvec.T[0]-npvec.T[1] ? ? inv_sub = np.linalg.inv(np.cov(npvec1, npvec2)) ? ? return math.sqrt(np.dot(inv_sub, sub).dot(sub.T)) # MahalanobisDistance
8.編輯距離
def Edit_distance_str(str1, str2):
? ? import Levenshtein
? ? edit_distance_distance = Levenshtein.distance(str1, str2)
? ? similarity = 1-(edit_distance_distance/max(len(str1), len(str2)))
? ? return {'Distance': edit_distance_distance, 'Similarity': similarity}
# Levenshtein distance其中，輸入數(shù)據(jù)是兩個同維度的數(shù)組
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要為大家詳細介紹了微信跳一跳小程序Python腳本，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01
這篇文章主要介紹了Python 基礎(chǔ)教程之閉包的使用方法的相關(guān)資料,希望大家通過本文能幫助到大家，需要的朋友可以參考下2017-09-09
今天小編就為大家分享一篇解決python讀取幾千萬行的大表內(nèi)存問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06
這篇文章主要介紹了Python lxml模塊安裝教程,本文分別講解了Windows系統(tǒng)和Linux系統(tǒng)下的安裝教程,需要的朋友可以參考下2015-06-06
這篇文章主要介紹了Python實現(xiàn)的在特定目錄下導入模塊功能,結(jié)合實例形式分析了Python基于系統(tǒng)函數(shù)及import語句實現(xiàn)模塊導入的相關(guān)操作技巧,需要的朋友可以參考下2019-02-02
這篇文章主要介紹了如何在mac版pycharm選擇python版本,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-07-07
使用torchtext導入NLP數(shù)據(jù)集的操作
這篇文章主要介紹了使用torchtext導入NLP數(shù)據(jù)集的操作，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2021-05-05
今天小編就為大家分享一篇對Python的多進程鎖的使用方法詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-02-02
這篇文章主要為大家詳細介紹了python實現(xiàn)自動售貨機，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-01-01
PyCharm安裝PyQt5及其工具（Qt Designer、PyUIC、PyRcc）的步驟詳解
這篇文章主要介紹了PyCharm安裝PyQt5及其工具（Qt Designer、PyUIC、PyRcc）的步驟，本文通過圖文并茂的形式給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下2020-11-11