Java聚类算法处理相似性和不相似性

Question

我正在开发一个Java项目，我需要将用户查询与多个引擎相匹配。 每个引擎都有一个方法相似性（对象a，对象b），它返回：如果对象肯定匹配，则返回+1; -1如果对象肯定不匹配;当存在不确定性时，任何浮动在中间。

示例：用户搜索“龙珠”。

• 引擎1返回“龙珠”，“龙珠GT”，“龙珠Z”，它声称它们是不同的结果（相似度= -1），无论它们的名字有多相似。该引擎是准确的，因此它具有很高的“重量”值。
• 引擎2返回100个不同的结果。其中一些涉及DBZ，另一些涉及DBGT等。引擎声称它们都“非常相似”（0.5和1之间的相似性）。
• 系统查询其他几个引擎（10 +）

我正在寻找一种从这个系统中构建集群的方法。我需要确保相似度接近-1的值可能会在不同的簇中结束，即使许多其​​他值与它们都非常相似。

是否有一个众所周知的聚类算法来解决这个问题？是否有可用的Java实现？我可以自己构建它，也许可以在支持库的帮助下构建它吗？我擅长Java（15年以上经验），但我对集群非常陌生。

谢谢！

Answer 1

显而易见的方法是使用＆＃34; 1 - 相似性＆＃34;作为距离函数，因此将从0变为2.然后将它们相加。

或者您可以使用1 + similarity并获取这些值的乘积，...或者，或者，或......

但是，由于你显然更信任第一个得分，你可能还想增加其影响力。没有数学解决方案，您可以根据您的数据和偏好选择权重。如果你有训练数据，你可以优化你的方法的权重，如果他们不能很好地工作或相关，你甚至可能想要丢弃一些学员。