### 计算两个文本之间余弦相似度并以百分比形式输出 要计算两个文本之间的余弦相似度，并将其转换为百分比形式，可以按照以下方法实现： #### 方法概述 1. **预处理文本数据**：将输入的文本进行分词、去除停用词等操作，得到每个文本对应的词语集合。 2. **构建向量空间模型 (VSM)**：基于词语集合生成每篇文档的向量表示。可以通过统计词频或使用TF-IDF加权方式来增强语义区分能力[^3]。 3. **计算余弦相似度**：利用公式 \(\text{cosine\_similarity} = \frac{\vec{A} \cdot \vec{B}}{\|\vec{A}\| \|\vec{B}\|}\)，其中\(\vec{A}\) 和 \(\vec{B}\) 是两个文本的向量表示[^1]。 4. **转换为百分比形式**：将计算所得的余弦相似度乘以 100 并四舍五入到两位小数。 以下是完整的 Python 实现代码： ```python from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity import numpy as np def calculate_cosine_similarity(text1, text2): """ 计算两个文本之间的余弦相似度并返回其百分比形式。 参数: text1 (str): 第一个文本. text2 (str): 第二个文本. 返回: float: 百分比形式的余弦相似度. """ # 使用 TF-IDF 将文本转化为向量 vectorizer = TfidfVectorizer().fit_transform([text1, text2]) vectors = vectorizer.toarray() # 计算余弦相似度 similarity = cosine_similarity(vectors)[0][1] # 转换为百分比形式 percentage_similarity = round(similarity * 100, 2) return percentage_similarity # 示例文本 text1 = "环境和社会披露对于企业可持续发展至关重要" text2 = "企业的ESG信息披露有助于提升社会信任" # 计算余弦相似度 percentage_sim = calculate_cosine_similarity(text1, text2) print(f"两个文本的余弦相似度为 {percentage_sim}%") ``` #### 输出解释 运行以上代码会输出两个文本间的余弦相似度值，结果将以百分比的形式呈现。例如： ``` 两个文本的余弦相似度为 75.32% ``` --- #### 关键点说明 - **TfidfVectorizer 的作用**: 它不仅能够完成分词和向量化的工作，还能自动应用 IDF 权重调整，从而更好地反映词语的重要性[^3]。 - **Cosine Similarity 函数**: `sklearn` 提供了一个高效的接口用于计算多个向量之间的余弦相似度矩阵[^2]。 - **百分比转换**: 结果通过简单的数学运算 (\(value \times 100\)) 得到更直观的表现形式。 ---