這是一個老問題，但我發(fā)現(xiàn)這可以通過Spacy輕松完成。一旦讀取文檔，similarity就可以使用簡單的api 來找到文檔向量之間的余弦相似度。

import spacy

nlp = spacy.load('en')

doc1 = nlp(u'Hello hi there!')

doc2 = nlp(u'Hello hi there!')

doc3 = nlp(u'Hey whatsup?')

print doc1.similarity(doc2) # 0.999999954642

print doc2.similarity(doc3) # 0.699032527716

print doc1.similarity(doc3) # 0.699032527716