【C116】基于余弦相似度和 Jaccard 系数的中文文本相似度计算

本项目展示了两种常见的文本相似度计算方法：基于词频向量的余弦相似度和基于集合匹配的 Jaccard 相似系数。文本相似度计算常用于文本去重、问答匹配、文献检索、推荐系统和语义匹配任务中，是自然语言处理中的基础技术之一。

代码首先使用中文分词工具对输入文本进行切分，然后将文本转换为可计算的词项表示。余弦相似度方法通过构造词频向量，并计算两个向量夹角来衡量文本相似程度；Jaccard 相似系数则将文本视为词集合，通过交集与并集的比例来衡量两段文本的重合程度。

该项目代码结构清晰，适合用于理解文本相似度的基本计算逻辑，也可以作为后续文本匹配、短文本聚类和文本检索项目的基础模块。

示例文本为：

语句1：我喜欢机器学习，你喜欢什么？
语句2：我喜欢深度学习，你呢？

代码计算得到：

余弦相似度结果：

0.68376346

Jaccard 相似度结果：

0.3333333333333333

结果说明，两个句子在词项层面具有一定重合，因此余弦相似度较高；但从集合交并比角度看，Jaccard 相似度相对较低，说明两种算法对文本相似性的刻画侧重点不同。