以下是使用 Python 中的 `nltk` 库（其中包含 `wordnet`）来计算两个句子语义相似度的示例代码： ```python import nltk from nltk.corpus import wordnet from nltk.tokenize import word_tokenize def get_synsets(word): """ 获取单词的所有同义词集 """ synsets = wordnet.synsets(word) return synsets def sentence_similarity(sentence1, sentence2): """ 计算两个句子的语义相似度 """ # 分词 words1 = word_tokenize(sentence1) words2 = word_tokenize(sentence2) # 计算每个单词的同义词集 synsets1 = [get_synsets(word) for word in words1] synsets2 = [get_synsets(word) for word in words2] # 计算相似度得分 score = 0 total_comparisons = 0 for synset_list1 in synsets1: for synset_list2 in synsets2: for synset1 in synset_list1: for synset2 in synset_list2: similarity = synset1.path_similarity(synset2) if similarity is not None: score += similarity total_comparisons += 1 if total_comparisons == 0: return 0 else: return score / total_comparisons sentence1 = "i am feeling very happy today." sentence2 = "i am feeling extremely sad today." similarity = sentence_similarity(sentence1, sentence2) print("两个句子的语义相似度:", similarity) ``` 关键步骤和代码解释： 1. `get_synsets` 函数用于获取给定单词的所有同义词集。 2. `sentence_similarity` 函数首先对输入的两个句子进行分词。 3. 然后为每个句子中的每个单词获取同义词集。 4. 通过遍历两个句子的同义词集，计算每个同义词集对之间的路径相似度，并累加得分和比较次数。 5. 最后根据总得分和总比较次数计算平均相似度。 结果分析： 由于 "happy" 和 "sad" 是完全相反的情感，它们的同义词集之间的相似度应该很低，所以预计计算得到的两个句子的语义相似度会非常低，接近 0。 [2024-11-11 23:20:31 | AI写代码神器 | 554点数解答]