做评论去重、问答匹配、推荐系统，都得算文本相似度。
常见三种：
余弦相似度（Cosine）
- 原理：两个向量夹角的 cos 值
- 适用：TF-IDF、BERT 向量都通用
- 速度：快
- 缺点：完全不懂语义，「手机」和「电话」相似度是 0
Jaccard
- 原理：交集 / 并集
- 适用：短文本、关键词集合
- 速度：极快
- 缺点：长度敏感，长文本失真
编辑距离（Levenshtein）
- 原理：把 a 变成 b 最少改几处
- 适用：错别字检测、近重复评论
- 速度：慢，O(mn)
- 缺点：中文分词后才能用，分词错就废
实战经验：
- 评论去重：Jaccard + 编辑距离组合用
- 问答匹配：余弦 + BERT 向量
- 关键词对比：Jaccard 一把梭
没有银弹，看场景选。
本文由 BBZ · 小朵科技工作室 出品。