با استفاده از Python و کتابخانه nltk، یک برنامه بنویسید که دو متن را پیش‌پردازش کند (کوچک‌سازی، توکن‌سازی، حذف توقف‌واژه‌ها، ریشه‌یابی)، بردار TF-IDF برای هر متن بسازد و مقدار شباهت کسینوسی بین دو متن را بازگرداند.

برای حل این سوال از nltk برای توکن‌سازی (word_tokenize)، لیست توقف‌واژه‌ها (stopwords) و ریشه‌یاب (مثل PorterStemmer) استفاده کنید؛ پس از پیش‌پردازش متن‌ها می‌توانید با استفاده از sklearn.feature_extraction.text.TfidfVectorizer یا محاسبه دستی TF و IDF با numpy بردارهای TF-IDF را بسازید و سپس شباهت کسینوسی را با sklearn.metrics.pairwise.cosine_similarity یا ضرب داخلی و نُرم‌های numpy محاسبه کنید. توجه داشته باشید که قبل از اجرا منابع nltk مانند 'punkt' و 'stopwords' را دانلود کنید و برای نتایج بهتر متن‌ها را کوچک‌سازی و نشانه‌گذاری (punctuation) را پاک کنید.