Question

目前我有两个50+字符串的较大载体

我希望能够比较这两个向量，并确定它们的相似程度。我想我需要使用余弦相似度？

有没有人知道任何接受两个Java向量的方法，并给出一个0到1之间的值，看它们有多相似？

由于菲尔

Answer 1

看看Lucene的similarity function。

上述公式的动机是文档和查询向量之间的cosine-distance或点积

这是关于此主题的Previous SO question。

Answer 2

有关余弦距离及相关方法的实施，请参阅Apache Mahout library。另外，请考虑查找Locality Sensitive Hashing以获得更快速的替代方案。

Answer 3

执行以下操作

package com.example;

import java.util.Collection;
import java.util.HashMap;
import java.util.Map;

/** Computes the similarity between two bags of words.
 * 1.0 is most similar, 0.0 is most unsimilar.
 *
 */
public class Cosine {

    public static double cosine(Collection<String> a, Collection<String> b) {
        Map<String,Integer> aa = asBag(a);
        Map<String,Integer> bb = asBag(b);
        double sum = 0;
        for (String word: aa.keySet()) {
            if (!bb.containsKey(word)) continue;
            sum += aa.get(word) * bb.get(word);
        }
        return sum / (norm(aa) * norm(bb));
    }

    private static double norm(Map<String, Integer> bag) {
        double sum = 0;
        for (int each: bag.values()) sum += each * each;
        return Math.sqrt(sum);
    }

    private static Map<String,Integer> asBag(Collection<String> vector) {
        Map<String,Integer> bag = new HashMap<String,Integer>();
        for (String word: vector) {
            if (!bag.containsKey(word)) bag.put(word,0);
            bag.put(word, bag.get(word) + 1);
        }
        return bag;
    }

}

类型推断，任何人？

比较两个向量（Java）

3 个答案: