摘要： 中文的文本相似度的计算是基于分词来的余弦定理： 提取两段文本中所有词(事先需用空格分割好) 计算每个词在两段文本中分别出现的次数(用BSD tree.h里的RBTREE保存) 用词频做为A、B的分量 使用余弦公式计算AB夹角的余弦值jaccard： 大体差不多代码如下，分词用的是mmseg[代码] 阅读全文