Question

我使用字典来表示文章中的字数

例如{"name" : 2 , "your": 10, "me", 20}表示“name”出现两次，“your”出现10次，“me”出现20次。

那么，有没有一种很好的方法来计算这些向量的欧氏距离？难点在于这些向量的长度不同，有些向量包含某些词，而有些则不包含。

我知道我确实可以编写一个很长的函数来做到这一点，只是寻找一种更简单，更聪明的方法。感谢

编辑：目标是获得两篇文章之间的相似性并将它们分组

Answer 1

像

这样的东西

math.sqrt(sum((a[k] - b[k])**2 for k in a.keys()))

其中a和b是具有相同键的字典。如果你要在不同的矢量对之间比较这些值，那么你应该确保每个矢量包含完全相同的单词，否则你的距离测量将完全没有任何意义。

您可以仅根据交叉点计算距离：

math.sqrt(sum((a[k] - b[k])**2 for k in set(a.keys()).intersection(set(b.keys()))))

另一种选择是使用union并将未知值设置为0

math.sqrt(sum((a.get(k, 0) - b.get(k, 0))**2 for k in set(a.keys()).union(set(b.keys()))))

但是你必须仔细考虑你的计算实际是什么。

Answer 2