在 python 中使用 matplotlib 绘制相似度度量

Question

我正在研究使用 tf-idf 度量来查找两个句子/文档之间的相似性的项目。

我尝试了以下示例代码：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity  

documents = (
"The sky is blue",
"The sun is bright"
)
tfidf_vectorizer = TfidfVectorizer()
tfidf_matrix = tfidf_vectorizer.fit_transform(documents)
cosine = cosine_similarity(tfidf_matrix[0:1], tfidf_matrix)
print cosine

两个句子的相似度是

[[ 1.          0.33609693]]

现在我的问题是如何以图形/可视化格式显示相似性。 类似于维恩图，其中交点值成为相似性度量或 matplotlib 或任何 python 库中可用的任何其他图。

提前致谢

Answer 1

绘制维恩图的最简单方法是绘制两个圆，半径为r，中心距离为d = 2 * r * (1 - cosine[0][i])，其中i 是您要比较的线索引。如果句子相同，则您有d == 0 is True，即两个圆圈相同。如果这两个句子没有共同点，那么你有d == 2*r is True，那么圆圈是不相交的（它们在一个点上接触）。

The code to draw circles is already present in StackOverflow.

编辑： 这种方法从您的代码输出中绘制维恩图：

## import matplotlib for plotting the Venn diagram
import matplotlib.pyplot as plt

## output of your first part
cosine = [[ 1., 0.33609693]]

## set constants
r = 1
d = 2 * r * (1 - cosine[0][1])

## draw circles
circle1=plt.Circle((0, 0), r, alpha=.5)
circle2=plt.Circle((d, 0), r, alpha=.5)
## set axis limits
plt.ylim([-1.1, 1.1])
plt.xlim([-1.1, 1.1 + d])
fig = plt.gcf()
fig.gca().add_artist(circle1)
fig.gca().add_artist(circle2)
## hide axes if you like
# fig.gca().get_xaxis().set_visible(False)
# fig.gca().get_yaxis().set_visible(False)
fig.savefig('venn_diagramm.png')

在绘制圆时设置 alpha 值会使它们看起来是半透明的。因此，重叠部分的不透明性是圆的非重叠部分的两倍。