Question

为了便于说明，我们假设这是一个论坛服务。我需要计算每个用户帖子之间的“相似度”，以便结果如下：

among posts by user A, similarity 60%
among posts by user B, similarity 20%
...

我正在处理多字节字符串，所以我猜我在这里遇到了搜索引擎。我们已经使用了Solr，已经有更多像这样实现了，但我不太确定如何构造查询。任何帮助表示赞赏！

Answer 1

Carrot2可能会引起您的兴趣（和this blog相关）

Answer 2

奇怪的问题有两个方面：1。为什么你要处理SOLR？ 2.相似性取决于目标问题。你的问题听起来太通用了。在语义相似性领域正在进行研究。有编辑距离算法，可能不是你想要的。

因此，更准确地定义您的问题并获得更好的答案。

Answer 3

有几种相似度量，简单有效的是余弦相似度。有更复杂的，如史密斯 - 沃特曼等，