關鍵詞匹配優化（第2篇）—— 用C#實現demo

上一篇文章用python實現了計算文本相似度計算的過程，這次用C#做個demo。

不得不說用python是真的方便，不懂計算過程也能實現結果。C#也有類似NumPy的庫：NumSharp。經過測試還是有區別的，有些功能沒有（也可能是因為我沒看文檔）。最后還是自己研究計算過程去寫。

用C#寫Excel公式有兩種開發方式：VSTO和ExcelDNA。看了一下VSTO的部署感覺比較麻煩，所以這里用ExcelDNA的方式。

求兩個詞向量的余弦相似度的C#代碼如下

        /// <summary>
        /// 求余弦相似度，輸入兩個只有1行且列數相同的二維數組
        /// </summary>
        /// <param name="Vector_a">向量a</param>
        /// <param name="Vector_b">向量b</param>
        /// <returns>返回兩個向量的余弦相似度</returns>
        public static double cos_sim(int[,] Vector_a, int[,] Vector_b)
        {
            double num = 0;
            //計算向量a和 向量b轉置 的乘積
            //python中的：float(vector_a * vector_b.T)
            for(int i = 0; i < Vector_a.GetLength(1); i++)
            {
                num += Vector_a[0, i] * Vector_b[0, i];
            }
            
            double denom =  norm(Vector_a) * norm(Vector_b);
            double sim = num / denom;
            return sim;
        }

        /// <summary>
        /// 求向量范數，輸入一個只有1行的二維數組
        /// </summary>
        /// <param name="Vector">輸入的向量</param>
        /// <returns>返回向量的范數</returns>
        //類似NumPy中的np.linalg.norm
        public static double norm(int[,] Vector)
        {
            double SumI = 0;
            foreach(int i in Vector)
            {
                SumI += i * i;
            }

            return Math.Sqrt(SumI);
        }

這個只是初步實現了余弦相似度計算，還有優化的空間。比如這里輸入的向量是一行的二維數組，改成用一維數組或者list都可以，類型也可以不用int改成double。

輸入的部分先用Excel選區輸入，后面會改到數據庫中，實現效果如下：

返回的字符串后面跟的數字是兩個詞的相似度，后續刪掉即可。

前面的單元格區域“測試!A1:JH154”是目標關鍵詞和向量，之后會把這部分去掉，整理一下存儲到數據庫中。按照目前的one-hot編碼，后續增加關鍵詞時直接給每個關鍵詞后加一個值是0的維度即可，如果改成tf-idf編碼，就需要在增加關鍵詞后重新計算向量了。不過怎么說也比維護100多個elseif要方便，后續優化還可以把拆分字換成分詞，減少計算量，提高准確度。