文本相似度

函数名：wb_文本相似度 / str_Similarity

功能描述

计算两段文本之间的相似度，返回 0 到 1 之间的数值（越接近 1 表示越相似）。采用余弦相似度算法，基于字符级分词实现，支持中英文混合文本。

会员等级：🟢 免费版（Free）

语法

=str_Similarity(文本1, 文本2, 精度)

参数

参数名	类型	必填	默认值	说明
文本1	String	是	无	第一个文本
文本2	String	是	无	第二个文本
精度	Int	否	8	返回结果的小数位数，默认 8 位小数

返回值

String - 相似度数值字符串，范围 0 到 1，保留指定精度的小数位。

使用示例

完全相同文本

公式：

=str_Similarity("你好世界", "你好世界")

结果：

1.00000000

部分相似文本

公式：

=str_Similarity("你好世界", "你好地球")

结果：

0.50000000

指定精度

公式：

=str_Similarity("Hello", "Hallo", 2)

结果：

0.80

技术说明

• 算法：采用余弦相似度（Cosine Similarity）算法，计算公式为 dot(A,B) / (|A| * |B|)，其中 A、B 为文本的字符频率向量
• 预处理：计算前使用正则表达式 \p{P}\s+ 移除标点符号和空白字符，保留数字和中文字符
• 分词方式：采用字符级分词（Char-Level Tokenize），将每个字符（含中文字符）作为一个独立词项
• 向量构建：合并两段文本的字符集合构建词频字典，分别统计两段文本中每个字符的出现次数形成频率向量
• 结果格式化：使用 ToString($"F{precision}") 格式化为指定小数位数的字符串
• 任一文本为空时返回 0.0

错误处理

错误场景	返回值
文本1 或文本2 为空/null	0（补零至指定精度，如 0.00000000）
预处理后文本为空	0（补零至指定精度）
向量模长为 0	0（补零至指定精度）