计算两者之间的相似性txt文件

Question

我有两个不同单词的文本文件。重要的是，文本文件只包含单词而不包含句子。 所以第一个文件可以如下：xyz, acbe, eidjh, eheha.

我想计算这两个文本文件之间的相似性。我想以%的比例来显示结果，也可以用哪个词来表示这个相似度的结果。你知道吗

我读过关于余弦相似性的文章，但我不确定这是否适用于我的问题！你知道吗

Answer 1

一个简单的解决方案是，在读取文件并将其拆分为单词后，只需循环浏览这些文件，首先将它们分配到字典以计算每个文件出现的次数，然后计算相对比率，检查哪些单词同时出现在两个文件中，并计算最终比率：

temp1 = open('yourfile1.txt')
file1 = temp1.read().split(',')
temp1.close()
temp2 = open('yourfile2.txt')
file2 = temp2.read.split(',')
dict1 = {x : file1.count(x) for x in file1}
dict2 = {x : file2.count(x) for x in file2}
similars = set(file1).intersection(set(file2))
rate1 = sum(dict1[w] for w in similars)/len(file1)
rate2 = sum(dict2[w] for w in similars)/len(file2)
print("The rate of similarity is: ", rate1*rate2*100, '%')
print("The similar words are: ", similars)

当然，yourfile1.txt和yourfile2.txt是文件名。你知道吗