python3 利用用TF特征向量和Simhash指纹计算中文文本的相似度的示例

此文本分类项目主要面向机器学习初学者和文本分类效果测试者，项目内部含有朴素贝叶斯，余弦定理，逻辑回归多种分类算法以及mm，rmm分词器，同时从某新闻站点爬取了多个分类共6000多篇文章，以及一个中文词典。项目方便自由拓展各种分类器和分词器，并通过组装测试分类效果。

使用python抓取微博数据并对微博文本分析和可视化，LDA（树图）、关系图、词云、时间趋势（折线图）、热度地图、词典情感分析（饼图和3D柱状图）、词向量神经网络情感分析、tfidf聚类、词向量聚类、关键词提取、文本相似度分析等

文本聚类、tfidf、lda、doc2vec+kmeans等各种方法实现

基于gensim模块,训练LDA(Latent Dirichlet Allocation)模型,用于计算长短文本的相似度.

文本相似度算法