如何基于共生矩阵计算相似度？

Question

我有一个项目矩阵（1877 x 1877）。矩阵中的值表示两个项目一起出现的次数。如何确定两个项目之间的相似性？ 通过阅读，我找到了一些选择。但是我不确定这些方法。任何开始的输入都值得赞赏。

1. 使用余弦计算两个向量之间的sim
2. 将其转换为图形，使用类似simrank的度量来计算相似度 - 可以将出现次数用作两个节点之间的权重。

Answer 1

我建议使用spatial cosine similarity。或者，您可以为每个项目对计算jaccard's similarity。

在计算相似度矩阵（亲和度矩阵）之后，您可以使用频谱（或空间）聚类算法（例如sklearn's spectral clustering算法）对这些项进行分组。

Answer 2

如果您的共非矩阵是对称，则无需对其进行归一化。您可以参考本文以获得有关对称和非对称协矩阵规范化的更多信息： Leydesdorff，L.和Vaughan，L.，2006年。共现矩阵及其在信息科学中的应用：将ACA扩展到Web环境。美国信息科学技术学会学报，57（12），1616-1628页。 请点击hear

Answer 3

您可以将其分为1877个项目，每个项目具有1877个功能。如果两个项目相似，那么它们的共现将是相似的。鉴于您可能会使用NearestNeighbors来找到最接近的一个。可能有指标。

此外，重新处理数据可能对您有所帮助。我不知道它的分布，但你可能想要将值标准化为范围[0; 1]或做类似的事情。