使用 spaCy 计算 Doc 相似度
语义相似度用于分析多句话，找出它们之间的相似性。在本练习中，您将练习计算多个文档相对于一个给定文档的语义相似度。目标是将一组给定的评论中，与 canned dog food 相关的内容进行归类。
canned dog food 类别已存储在 category 中。我们为您提供了 5 条食品评论示例，保存在列表 texts 中。en_core_web_md 已加载为 nlp。
本练习是课程的一部分
使用 spaCy 的自然语言处理
练习说明
- 创建一个
documents列表，包含texts中所有文本对应的Doc容器。 - 基于
category创建一个Doc容器，并将其存为category_document。 - 遍历
documents，打印每个Doc容器与category_document的相似度分数，并四舍五入到小数点后三位。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create a documents list containing Doc containers
documents = [____ for t in texts]
# Create a Doc container of the category
category = "canned dog food"
category_document = ____(____)
# Print similarity scores of each Doc container and the category_document
for i, doc in enumerate(documents):
print(f"Semantic similarity with document {i+1}:", round(doc.____(____), 3))