python網站相似度

『壹』 python字元串相似度處理性能問題求助

字元串相似度python也有很多庫，比如自帶的difflib庫，第三方
Levenshtein
庫等等
關於字元串相似度的原理我網上找了一篇博客看看，可惜太長了，理論知識太多，專業性

『貳』 python 列表相似度怎麼計算

找它們的共同元素?

『叄』 python有沒有什麼包能判斷文本相似度

有，gensim包。

主要分成三步：
第一步，計算所有評論的tf-idf 值。

第二步，使用所有評論的tf-idf 值算出商品描述的tf-idf 值。
第三步，計算每一個評論和商品描述之間的tf-idf 餘弦相似度。

可以 在這里找到具體用法：
http://blog.csdn.net/chencheng126/article/details/50070021

『肆』 python中怎麼實現相似度的計算，比如：中國石油銷售有限公司--中國石油金屬有限公司，計算他們的相似度

#/usr/bin/envpython3
s1='中國石油銷售有限公司'.strip()
s2='中國石油金屬有限公司'.strip()
similar=sum([i==jfori,jinzip(s1,s2)])/len(s1)
print('相似度{:.2f}%'.format(similar*100))

[willie@bogon pys]$ python3 similar.py

相似度80.00%

『伍』 如何用Python計算上幾百張圖片之間的相似度

把圖片表示成向量，二維拉成一維
每個維度非零即一，然後比較兩個向量的漢明距離就能反向代表相似度

『陸』 python計算文章相似度有什麼比較好的實踐

基於用戶相似度的推薦中，一般採用Pearson相關系數；
基於物品相似度的推薦中，改進的餘弦相似度效果更好。

『柒』 Python程序的相似度應該如何查詢

你說的是代碼嗎，方法太多了，網上有開源的代碼可以測

『捌』 如何使用python來判斷圖片相似度

from PIL import Imageimport os#import hashlib def getGray(image_file): tmpls=[] for h in range(0, image_file.size[1]):#h for w in range(0, image_file.size[0]):#w tmpls.append( image_file.getpixel((w,h)) ) return tmpls def getAvg(ls):#獲取平均灰度值 return sum(ls)/len(ls) def getMH(a,b):#比較100個字元有幾個字元相同 dist = 0; for i in range(0,len(a)): if a[i]==b[i]: dist=dist+1 return dist def getImgHash(fne): image_file = Image.open(fne) # 打開 image_file=image_file.resize((12, 12))#重置圖片大小我12px X 12px image_file=image_file.convert("L")#轉256灰度圖 Grayls=getGray(image_file)#灰度集合 avg=getAvg(Grayls)#灰度平均值 bitls=''#接收獲取0或1 #除去變寬1px遍歷像素 for h in range(1, image_file.size[1]-1):#h for w in range(1, image_file.size[0]-1):#w if image_file.getpixel((w,h))>=avg:#像素的值比較平均值 大於記為1 小於記為0 bitls=bitls+'1' else: bitls=bitls+'0' return bitls''' m2 = hashlib.md5() m2.update(bitls) print m2.hexdigest(),bitls return m2.hexdigest()''' a=getImgHash("./Test/測試圖片.jpg")#圖片地址自行替換files = os.listdir("./Test")#圖片文件夾地址自行替換for file in files: b=getImgHash("./Test/"+str(file)) compare=getMH(a,b) print file,u'相似度',str(compare)+'%'

『玖』 使用Python 製作對比圖片相似度的程序怎麼比較

就是給出以下幾個function的def 越多越好：

1、 red_average(Picture) 算出pic眾pixels的平均紅值 。

2、scale_red(Picture, int) 調整圖片紅值 並確保其不超過255 。

3、expand_width(Picture, int) 。

4、rece_width(Picture, int) 放大和縮小寬值 都是乘或者除的 ，distance(Pixel, Pixel) 以紅藍綠值為標准 計算兩個pixel之間的距離(類似於xyz坐標軸中兩點距離)。

5、simple_difference(Picture,Picture) 簡單計算兩張圖片有多相似 不必考慮長寬。

6、smart_difference(Picture,Picture) 這個方程的步驟需為: 判斷圖片大小 。如必要 乘除高度 。 如必要 乘除寬度。 調整圖片顏色使之相同平均紅藍綠值 。

『拾』 怎樣用python或者是java計算文本相似度

第一步：把每個網頁文本分詞，成為詞包（bag of words）。
第三步：統計網頁（文檔）總數M。
第三步：統計第一個網頁詞數N，計算第一個網頁第一個詞在該網頁中出現的次數n，再找出該詞在所有文檔中出現的次數m。則該詞的tf-idf 為：n/N * 1/(m/M) （還有其它的歸一化公式，這里是最基本最直觀的公式）
第四步：重復第三步，計算出一個網頁所有詞的tf-idf 值。
第五步：重復第四步，計算出所有網頁每個詞的tf-idf 值。
3、處理用戶查詢
第一步：對用戶查詢進行分詞。
第二步：根據網頁庫（文檔）的數據，計算用戶查詢中每個詞的tf-idf 值。
4、相似度的計算
使用餘弦相似度來計算用戶查詢和每個網頁之間的夾角。夾角越小，越相似。