我需要使用与n-gram相比的Jaccard相似度来计算Lucene中查询和文档的相似性。由于Jaccard的相似性是IR中非常常见的衡量标准，我期望找到它的Lucene实现，但我不能。
有人知道这样的实现吗？
答案 0 :(得分：2)
我所知道的唯一可以与Lucene轻松集成的实现是来自LingPipe的实现（请注意，它仅适用于非商业/研究用途）。 Here是一篇博客文章，展示了如何在LingPipe中使用它。有关如何连接这两个库的详细说明，请访问LingPipe网站和this book。
但是我没有评估过，如果从自己的角度来看（或者从许可的角度来看）集成其他实现并不容易 - 这只是一个对我有用的解决方案。
答案 1 :(得分：1)
尝试使用此库http://sourceforge.net/projects/simmetrics/，您会发现更多相似性函数。但 我建议你使用http://secondstring.sourceforge.net/中的SoftTFIDF，根据“名称匹配任务的字符串距离度量比较”，它具有最佳的精度/召回率。 William W. Cohen和其他人。