比较两个文本的相似性

使用余弦定理来实现对两个文本相似性的比较：

python代码位置：http://www.oschina.net/code/snippet_1180874_22866

此算法非常简单，但精确度不够高。但也可以通过简单的优化得到更好的结果，如以上代码就简单的加入了过渡功能。若再加入一个分词库，通过分词来比较中文的相似性，那就更好了。下面代码就用到了分词库实现文本的比较，效果提升明显。

使用分词以及余弦定理来比较两份文档的相似性的代码：

http://www.oschina.net/code/snippet_1180874_22869

原理解释参考此文章：http://my.oschina.net/BreathL/blog/42477

其它：https://pypi.python.org/pypi/NearDuplicatesDetection/0.2.0

这个python库号称可以比较两文本的相似度，但本人使用中文文件测试结果很不理想。不信大家可以试试。