python 从两个10兆的word文件的中文内容中给出一个合理的使用gensim 提取相似度高的内容及相似度

要使用gensim提取两个word文件中文内容的相似度，首先需要将word文件转换成文本格式。可以使用python-docx库来读取word文件的内容，然后使用gensim库来计算相似度。

下面是一个示例代码：

from gensim.models import Word2Vec
from gensim.similarities import Similarity
from docx import Document

# 读取word文件内容
def read_word_file(file_path):
    doc = Document(file_path)
    text = [paragraph.text for paragraph in doc.paragraphs]
    return ' '.join(text)

# 转换word文件为文本格式
file1 = 'file1.docx'
file2 = 'file2.docx'
text1 = read_word_file(file1)
text2 = read_word_file(file2)

# 使用gensim计算相似度
sentences = [text1.split(), text2.split()]
model = Word2Vec(sentences, min_count=1)
index = Similarity('', model[[word for word in model.wv.vocab]], num_features=model.vector_size)

# 计算相似度
similarity = index[model[text1.split()]]
print('相似度:', similarity)

需要注意的是，gensim中的Word2Vec模型需要接收一个list of list格式的句子作为输入，所以我们将文本按照空格分割为单词，并将每个单词作为一个句子。

另外，gensim中的Similarity模型可以计算两个文本的相似度，需要传入一个训练好的Word2Vec模型和一个待比较的文本。在这个示例中，我们使用了空字符串作为Similarity模型的第一个参数，因为我们不需要使用额外的语料库来训练模型。

最后，我们可以通过index的结果来获取相似度。相似度的范围是0到1，数值越高表示两个文本越相似。