TextBlob提供了两种方法来计算文本之间的距离：余弦相似度和Jaccard相似度。以下是使用TextBlob计算文本距离的示例代码：
云服务器
物理服务器
虚拟主机
跨境电商服务器from textblob import TextBlob
# 创建两个文本
text1 = "I love coding"
text2 = "Coding is fun"
# 创建TextBlob对象
blob1 = TextBlob(text1)
blob2 = TextBlob(text2)
# 计算余弦相似度
cosine_similarity = blob1.similarity(blob2)
print("Cosine Similarity:", cosine_similarity)
# 计算Jaccard相似度
jaccard_similarity = blob1.jaccard_similarity(blob2)
print("Jaccard Similarity:", jaccard_similarity)
在这个示例中，我们首先创建了两个文本字符串，然后使用TextBlob将它们转换为TextBlob对象。接下来，我们使用similarity()方法计算了两个文本之间的余弦相似度，并使用jaccard_similarity()方法计算了Jaccard相似度。最后，我们打印出计算得到的余弦相似度和Jaccard相似度值。
辰迅云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
推荐阅读： 怎么构建TextBlob文本分类器