比较两个向量 (Java)

Question

目前我有两个包含 50 多个字符串的较大向量，

我希望能够比较这两个向量并计算出它们的相似程度。我想我需要使用余弦相似度？

有谁知道有什么方法可以接受两个 Java Vector 并给出 0 到 1 之间的值来判断它们的相似程度吗？

谢谢 菲尔

Answer 1

查看相似度函数 在卢森。

上述公式是由文档与文档之间的余弦距离或点积驱动的查询向量

的关于此主题的上一个问题。

Answer 2

有关余弦距离和相关方法的实现，请参阅 Apache Mahout 库。还可以考虑查找局部敏感哈希以获得更快的替代方案。

Answer 3

任何人都可以进行以下

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;
    }

}

类型推断吗？