向量数量不同的两个图节点之间的余弦相似度计算

Question

作为研究的一部分，我正在实施标题为“ 结构化标签模型的基于图的高效半监督学习 ”的论文。

作为本文第3部分的图构造过程的一部分，我需要定义某种相似性度量，以计算连接一对节点的每个边的边权重。 根据该论文，我必须为此创建一个PMI（逐点相互信息）矢量。 我要做的是为每个令牌上出现的功能计算PMI。

在本文中，每个n-gram都被称为“类型”，其每次出现都被称为“令牌”。

例如，如果我们将x2-x3-x4设为当前类型，它在两种情况下出现，即x1-x2-x3-x4-x5和x6-x2-x3-x4-x7，则我必须计算一组与类型x2-x3-x4。 但是，此过程似乎有点复杂且不清楚。 这就是我得到的：

• 我应该为每个令牌上的每个功能计算PMI。 这将为每个令牌生成一个PMI向量，最终结果将是当前Type的PMI向量数组。 数组大小将等于给定类型的令牌数。 现在，作为最后一步，我应该测量不同节点的相似性。 但是问题是每种类型的结果向量数组都有不同的大小，因此我无法将这些数组相互比较。

那么，解决方案是什么？ 我在这里弄错了吗？

Answer 1

对于数据集中出现的每个三字母组合，您始终可以获取表1中列出的9个特征。对于1-2-3-4-5和6-2-3-4-7，还可以计算（12345）之间的PMI和（62346），（234）和（234），（12）和（62），（45）和（47），...。请注意，某些PMI诸如三字组，中心词，三字组中心词是0，但是如果您要比较的三字母组合不同，它们就不会是0。 因此应该保留数组的大小。