通过计算文本余弦值来求文本相似度
使用步骤：
- 1.配置
config.py中的缓存目录CACHE_PATH（默认值是'./_cache'）以及文本数据目录ARTICLE_PATH（默认值是'./_data/article'）:
# 设置缓存目录
CACHE_PATH = project_dir + os.path.sep + "_cache"
# 设置文本目录
ARTICLE_PATH = project_dir + os.path.sep + "_data/article"-
2.在文本目录下填充一些待训练的英文文本数据。目前默认有26片文章，可自行增添或者删除。
-
3.运行
pipline.py，即可开始训练数据。最终会获取到一个已经排好序的列表：
[('11', '12', 0.9994788059135834), ('12', '11', 0.9994788059135834),...]
其中每个条目都是一个元组，元组的前两个元素是两篇文章的名字，第三个元素是这两篇文章的TF-IDF值。该值越大，代表文章越相似，且最大值不可能超过1。
小技巧：由于计算过程中，有缓存逻辑，所以可以随时中断计算，下次继续执行时会从缓存的数据处开始继续运算。
注意：如果文章数据源有变动，或者想要重新训练，需要删除
缓存目录。
缓存控件@cache介绍：
使用方式：
from utils.cache import cache
@cache(use_mem=True, use_file=True, print_log=False)
def get_data():
# 复杂耗时的计算逻辑
...
return data
@cache()会将函数的返回值缓存起来，下次执行时，如果已缓存，则跳过程序的执行，直接从缓存中取数据。
use_mem=True：是否使用内存缓存
use_file=True： 是否使用文本缓存
print_log=True: 是否打印过程中的日志