Question

我有两个带用户名的列表，我想计算Jaccard的相似度。可能吗？

This线程显示了如何计算两个字符串之间的Jaccard相似性，但是我想将它应用于两个列表，其中每个元素是一个单词（例如，用户名）。

Answer 1

毕竟我最终编写了自己的解决方案：

def jaccard_similarity(list1, list2):
    intersection = len(list(set(list1).intersection(list2)))
    print(list(set(list1).intersection(list2)))
    union = (len(list1) + len(list2)) - intersection
    return float(intersection / union)

Answer 2

@aventinus我没有足够的声誉来为您的答案添加评论，但为了使事情更清楚，您的解决方案会衡量jaccard_similarity，但该函数被误称为jaccard_distance，实际上是1 - jaccard_similarity

Answer 3

def jaccard_similarity(list1, list2):
    s1 = set(list1)
    s2 = set(list2)
    return len(s1.intersection(s2)) / len(s1.union(s2))
list1 = ['dog', 'cat', 'cat', 'rat']
list2 = ['dog', 'cat', 'mouse']
jaccard(list1, list2)
>>> 0.5

Answer 4

假设您的用户名不重复，您可以使用相同的想法：

def jaccard(a, b):
    c = a.intersection(b)
    return float(len(c)) / (len(a) + len(b) - len(c))

list1 = ['dog', 'cat', 'rat']
list2 = ['dog', 'cat', 'mouse']
# The intersection is ['dog', 'cat']
# union is ['dog', 'cat', 'rat', 'mouse]
words1 = set(list1)
words2 = set(list2)
jaccard(words1, words2)
>>> 0.5

Answer 5

如果您想包含重复的元素，则可以使用Counter，我想这是相对较快的，因为它只是幕后的扩展dict：

from collections import Counter
def jaccard_repeats(a, b):
    """Jaccard similarity measure between input iterables,
    allowing repeated elements"""
    _a = Counter(a)
    _b = Counter(b)
    c = (_a - _b) + (_b - _a)
    n = sum(c.values())
    return n/(len(a) + len(b) - n)

list1 = ['dog', 'cat', 'rat', 'cat']
list2 = ['dog', 'cat', 'rat']
list3 = ['dog', 'cat', 'mouse']     

jaccard_repeats(list1, list3)      
>>> 0.75

jaccard_repeats(list1, list2) 
>>> 0.16666666666666666

jaccard_repeats(list2, list3)  
>>> 0.5

Answer 6

@Aventinus（我也不能发表评论）：请注意，Jaccard 是对集合的操作，因此在分母部分也应使用集合（而不是列表）。因此，例如jaccard_similarity('aa', 'ab')应该产生0.5。

def jaccard_similarity(list1, list2):
    intersection = len(set(list1).intersection(list2))
    union = len(set(list1)) + len(set(list2)) - intersection

    return intersection / union

请注意，在十字路口中，无需强制先列出。另外，Python 3不需要强制转换为float。

Answer 7

为了避免在联合（分母）中重复元素，我建议：

def Jaccar_score(lista1, lista2):    
    inter = len(list(set(lista_1) & set(lista_2)))
    union = len(list(set(lista_1) | set(lista_2)))
    return inter/union

Answer 8

您可以使用Distance库

#pip install Distance

import distance

distance.jaccard("decide", "resize")

# Returns
0.7142857142857143

如何在Python中计算包含字符串的两个列表的Jaccard相似度？

8 个答案: