用Jaccard系数计算文本之间的相似度--数据挖掘头歌实训

第1关：用Jaccard系数计算文本之间的相似度

#import numpy as np
#from scipy.spatial.distance import pdist#直接调包可以计算JC值 ,需要两个句子长度一样；
import jieba
jieba.setLogLevel(jieba.logging.INFO)

def Jaccrad(a, b):#terms_B为源句子，terms_A为候选句子

    #1.分词
    ########## Begin ##########
    B = jieba.cut(b, cut_all=False)
   # print("Default Mode: " + "/ ".join(seg_list))  
    A = jieba.cut(a, cut_all=False)
   # print(A)
  #  print(B)
    ########## End ##########

    grams_reference = list(set(B))
    grams_model = list(set(A))
   # print(grams_reference)
   # print(grams_model )
    #2.计算交集
    ########## Begin ##########
    temp =0
    for i in grams_model:
        if i in grams_reference :
            temp=temp+1

    ########## End ##########
   # print(temp)
    fenmu=len(grams_model)+len(grams_reference)-temp #并集

    #3.计算Jaccard系数
    ########## Begin ##########

    jaccard_coefficient= temp*1.0/fenmu

    ########## End ##########

    return jaccard_coefficient


str1="我爱北京天安门"
str2="天安门雄伟壮阔让人不得不爱"
jaccard_coefficient=Jaccrad(str1,str2)
print(jaccard_coefficient)