上一篇文章用python實現了計算文本相似度計算的過程，這次用C 做個demo。 不得不說用python是真的方便，不懂計算過程也能實現結果。C 也有類似NumPy的庫： "NumSharp" 。經過測試還是有區別的，有些功能沒有（也可能是因為我沒看文檔）。最後還是自己研究計算過程去寫。 用C 寫E ...
上一篇文章用python實現了計算文本相似度計算的過程，這次用C#做個demo。
不得不說用python是真的方便，不懂計算過程也能實現結果。C#也有類似NumPy的庫：NumSharp。經過測試還是有區別的，有些功能沒有（也可能是因為我沒看文檔）。最後還是自己研究計算過程去寫。
用C#寫Excel公式有兩種開發方式：VSTO和ExcelDNA。看了一下VSTO的部署感覺比較麻煩，所以這裡用ExcelDNA的方式。
求兩個詞向量的餘弦相似度的C#代碼如下
/// <summary>
/// 求餘弦相似度，輸入兩個只有1行且列數相同的二維數組
/// </summary>
/// <param name="Vector_a">向量a</param>
/// <param name="Vector_b">向量b</param>
/// <returns>返回兩個向量的餘弦相似度</returns>
public static double cos_sim(int[,] Vector_a, int[,] Vector_b)
{
double num = 0;
//計算向量a和 向量b轉置 的乘積
//python中的：float(vector_a * vector_b.T)
for(int i = 0; i < Vector_a.GetLength(1); i++)
{
num += Vector_a[0, i] * Vector_b[0, i];
}
double denom = norm(Vector_a) * norm(Vector_b);
double sim = num / denom;
return sim;
}
/// <summary>
/// 求向量範數，輸入一個只有1行的二維數組
/// </summary>
/// <param name="Vector">輸入的向量</param>
/// <returns>返迴向量的範數</returns>
//類似NumPy中的np.linalg.norm
public static double norm(int[,] Vector)
{
double SumI = 0;
foreach(int i in Vector)
{
SumI += i * i;
}
return Math.Sqrt(SumI);
}
這個只是初步實現了餘弦相似度計算，還有優化的空間。比如這裡輸入的向量是一行的二維數組，改成用一維數組或者list都可以，類型也可以不用int改成double。
輸入的部分先用Excel選區輸入，後面會改到資料庫中，實現效果如下：
返回的字元串後面跟的數字是兩個詞的相似度，後續刪掉即可。
前面的單元格區域“測試!A1:JH154”是目標關鍵詞和向量，之後會把這部分去掉，整理一下存儲到資料庫中。按照目前的one-hot編碼，後續增加關鍵詞時直接給每個關鍵詞後加一個值是0的維度即可，如果改成tf-idf編碼，就需要在增加關鍵詞後重新計算向量了。不過怎麼說也比維護100多個elseif要方便，後續優化還可以把拆分字換成分詞，減少計算量，提高準確度。
