Question

我在python中有两个句子，它们代表用户在输入中提供的单词集，作为图像检索软件的查询：

sentence1 = "dog is the"
sentence2 = "the dog is a very nice animal"

我有一组有描述的图像，例如：

sentence3 = "the dog is running in your garden"

我希望恢复所有与用户插入的查询“非常接近”的图像，但是与描述相关的部分应该在0和1之间进行标准化，因为它只是更复杂研究的一部分。还考虑了图像的地理标记和低级特征。

鉴于我使用以下方法创建了三个集：

set_sentence1 = set(sentence1.split())
set_sentence2 = set(sentence2.split())
set_sentence3 = set(sentence3.split())

并计算集合之间的交集：

intersection1 = set_sentence1.intersection(set_sentence3)
intersection2 = set_sentence2.intersection(set_sentence3)

如何有效地对比进行标准化？

我不想使用levensthein距离，因为我对字符串相似性不感兴趣，但是设置相似性。

Answer 1

可能是一个指标：

Similarity1 = (1.0 + len(intersection1))/(1.0 + max(len(set_sentence1), len(set_sentence3)))
Similarity2 = (1.0 + len(intersection2))/(1.0 + max(len(set_sentence2), len(set_sentence3)))

Answer 2

你试过difflib吗？

来自docs的例子：

>>> s1 = ['bacon\n', 'eggs\n', 'ham\n', 'guido\n']
>>> s2 = ['python\n', 'eggy\n', 'hamster\n', 'guido\n']
>>> for line in context_diff(s1, s2, fromfile='before.py', tofile='after.py'):
...     sys.stdout.write(line)  
*** before.py
--- after.py
***************
*** 1,4 ****
! bacon
! eggs
! ham
  guido
--- 1,4 ----
! python
! eggy
! hamster
  guido

比较python中集合之间的相似性

2 个答案: