zyymax / text-similarity Goto Github PK

您好，这个想法是您自己的设计的？ 还是哪篇论文的实现？

Traceback (most recent call last):
File "src/simhash_imp.py", line 191, in
feature_vec = [(int(item.split(':')[0]),float(item.split(':')[1])) for item in feature_vec]
ValueError: could not convert string to float: (0,

1. 打印了下feature_vec 变量， 内容是这样的：

"['0:(0,', '1)', '1:(1,', '1)', '2:(2,', '1)', '3:(15,', '1)', '4:(18,', '1)', '5:(19,', '1)']"

1. 前一步生成的.feat文件，内容是这样的：

$ cat data/temp/all.feat

0:(0, 1) 1:(1, 1) 2:(2, 1) 3:(15, 1) 4:(18, 1) 5:(19, 1)
0:(0, 1) 1:(3, 1) 2:(5, 1) 3:(9, 1) 4:(16, 1) 5:(17, 1)
0:(1, 1) 1:(6, 1) 2:(7, 1) 3:(13, 1) 4:(14, 1) 5:(20, 1)
0:(0, 2) 1:(2, 1) 2:(4, 1) 3:(11, 1) 4:(12, 1)
0:(8, 1) 1:(10, 1) 2:(21, 1)

code里没找到webcontent_filter

是忽略掉了么?

In tokens.py, it says 'str' object has no attribute 'decode'

text-similarity-master\src\tokens.py", line 20, in init
self.stopword_set.add(line.strip().decode('utf-8'))
AttributeError: 'str' object has no attribute 'decode'

Can you help me on that? Thanks very much.

你是python 3.X的版本吗？ 我的是python 2.7

python src/isSimilar.py data/1.ori data/key.ori data/stopwords.txt data/word.dict -c 0.8
会有Error：
src/features.py", line 20, in compute
feature[self.word_dict[token]] += 1
KeyError: u'\u62a5\u8003'

大神你好， 在论文中希望计算一些文本的相似度， 但是看了下你的说明， 没明白这个.ori是个什么格式啊