简介
结巴分词
在自然语言处理中，分词是一个极为重要的基础性工作，结巴分词是中文分词的一种实现。
项目地址：Github。
快速安装方法：easy_install jieba。
余弦相似性定理
根据Cosine similarity - wikipedia可知，对于两个N维向量，我们可以通过求其夹角来判断其相似程度，公式如下：
similarity=cos(θ)=A⋅B∥A∥∥B∥=∑i=1nAi×Bi∑i=1n(Ai)2−−−−−−−√×∑i=1n(Bi)2−−−−−−−√\text{similarity}=\cos(\theta)={A\cdot B\over\|A\|\|B\|}=\frac{ \sum\limits_{i=1}^{n}{A_i \times B_i}}{\sqrt{\sum\limits_{i=1}^{n}{(A_i)^2}}\times \sqrt{\sum\limits_{i=1}^{n}{(B_i)^2}}}
对于两个句子，我们可以根据句子里的词语成分进行统计，将得到的词频看作这个句子所代表的向量，因此就可以应用余弦相似性定理对两个句子进行比较。
我们知道，两个向量夹角越趋于0∘0^{\circ}则越相似，反之，夹角越趋于90∘90^{\circ}则说明方向越不相交，越不相似。
程序
待比较内容
我使用以下两段文字作为比较内容：
1.txt
...
2014年4月24日星期四
2014年4月21日星期一
Posted by Unknown on 星期一, 四月 21, 2014 with No comments
声明
此文章为个人翻译，原文出自：码农周刊。
除非特殊说明，以下代码皆为Python3.4。
译文
Python使用C3算法解决多重继承问题。
根据C3算法，以下代码在处理多重继承的时候，会在class B之前检查class A的同名方法foo。
更多详细信息可以查看大神Guido van Rossum的博客。
In：
class A(object):
def foo(self):
print("class A")
class B(object):
def foo(self):
print("class B")
class C(A, B):
pass
C().foo()
Out：
class A
以上例子显示出class C首先检查其父类class A是否存在方法foo()并尝试调用（因此成功调用了）。
在我收到的一封email中有一个更为巧妙的嵌套例子来阐述Guido van Rossum的观点：
In：
class A(object):
def foo(self):
print("class A")
class B(A):
pass
class C(A):
...
订阅：
博文 (Atom)