382 Python

[Python3與SEO]計算頁麵相似度(jieba分詞+餘弦相似度公式)

計算兩頁麵之間相似度步驟如下：

1、獲取頁麵相關信息：頁麵title、頁麵主題文本；

2、先進行jieba分詞，去掉停詞；

3、然後分別計算每個詞在頁麵a、頁麵b中的詞頻數；

4、最後利用餘弦相似度公式計算兩頁麵的title相似度、頁麵主題相似度；

相關知識點：

1、jieba分詞。介紹、安裝、使用方法，地址：https://github.com/fxsjy/jieba；

2、餘弦相似度。介紹，地址：https://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html

3、文本餘弦相似度計算。方法，地址：https://my.oschina.net/BreathL/blog/42477

運行結果如下圖所示：

計算頁麵相似度Python腳本如下：

本代碼餘弦相似度計算部分代碼參考：

1、自己實現文本相似度算法（餘弦定理），地址：https://my.oschina.net/BreathL/blog/42477/

2、比較兩個文本的相似性，地址：https://my.oschina.net/dancing/blog/144233

預留問題：

1、兩頁麵內容一多一少，如何計算？

2、頁麵頭、底文字是否會影響頁麵相似度？本文計算方式是去掉頁麵頭、尾，隻取頁麵主幹區域文本信息；

最後更新：2017-10-08 16:00:01