前言
还记得你在高中时是如何计算向量乘积的吗？
背景
在做数据分析的时候，经常会出现名字匹配的场景。如果两个名称相同，则很容易处理。如果两个名字不同，一个叫老王，一个叫王，或者一个叫小兔兔，一个叫小白兔，那就不好办了。 .
原则
两个字符串，虽然可以比较，但是s不能计算。只能计算数字和向量。如果将字符串映射到数字，则会丢失很多功能。毕竟，数字是一维的。自然地，我们想到将字符串映射成向量音乐，并通过计算它们之间的角度来判断两个向量。字符串相似度
文本矢量化
比如有两个字符串，'Little Rabbit'，'Little Rabbit'；将字符串一一拆分成元素进行并集unity c# 查询列表 字符串相似度排序，得到 {'Little', 'Rabbit', 'Child'} ，以这个并集为基，然后在这个基下unity c# 查询列表 字符串相似度排序，
'小兔子'的坐标是 (1, 1, 1）
'小兔子'的坐标是(1, 2, 0）
这样对文本进行向量化可以保存字符串中的大部分信息创作人，但也会丢失信息，比如字符串中元素的顺序
代码
#定义向量乘积
def vec_multi(vec1 , vec2):
add = 0
for a,b in zip(vec1,vec2):
add += (a*b)
return add
#定义相似度
def Similarity(name1,name2):
name1_list = list(name1)
name2_list = list(name2)
#求可表示两个字符串的基
a1 = set(name1)
a2 = set(name2)
name_list.extend(list(name2))
all_set = a1 | a2
all_set_list = list(all_set)
#文本向量化
name1_vec = [0]*len(all_set_list)
for word in name1_list:
if word in all_set_list:
name1_vec[all_set_list.index(word)] += 1
name2_vec = [0]*len(all_set_list)
for word in name2_list:
if word in all_set_list:
name2_vec[all_set_list.index(word)] += 1
cosvec = vec_multi(name1_vec , name2_vec) / ((vec_multi(name1_vec , name1_vec)*vec_multi(name2_vec , name2_vec))**0.5)
if cosvec>=0.5:
print("两个名字很相似，相似度为：%.2f%%" %(cosvec*100))
else:
print("两个名字不相似，相似度为：%.2f%%" %(cosvec*100))测试
总结
