基于内容的文本相似性计算步骤如下：
1.针对内容进行切词，一般只保留名词(如果是行业词汇的话那么可以不计算idf)
2.针对切词计算tf(词频)
某一个给定的词语在该文件中出现的次数(可以做归一化也可以不做归一化看需求)
3.针对切词计算idf(idf为逆向文件频率)[可以不计算]
某词汇的idf=总文件数目除以包含该词语之文件的数目，再将得到的商取对数
4.针对tf和idf计算tf-idf(如果是行业词汇的话可以考虑直接用tf做为tf-idf，计算tf-idf是为了找到文本的特征词)
tf-idf=tf*idf
5.词汇向量化(可以采用string to long等方式)
6.计算他们的距离(多种距离根据需要进行选择)
7.获得文本相似排序列表