Java或groovy中包含整数的集合之间的相似性

Question

我有HashSet<Integer> A和B我想比较以得到一个数值，它们多么相似（例如，如果A和B 90％相同，则为0.9）。 用Java或groovy做到这一点的最佳（最快）方法是什么？

我这样做的天真的方法是从A和B获得所有相等的元素，然后将它们的大小除以A的原始大小。 有什么原因（例如速度）为什么不能正常工作？ 一般来说，我更喜欢任何已经实现的方法来获得相似性。

注意：比较1, 2到12相似度应为0％。

Answer 1

计算2个大小为M和N的任意HashSet相似度的唯一方法是选择最小的HashSet，然后检查其元素是否存在于较大的HashSet中。 JDK中没有这样的方法。 如果您正在寻找最快的解决方案，请编写自己的解决方案：

int count = 0;
for (E element : smallSet) {
    if (bigSet.contains(element) {
       count++;
    }
}

如果您不太在意性能和额外的内存，则可以使用

int count = new HashSet(smallSet).retainAll(bigSet);

或类似的方法从Guava库中获取Sets#intersection(Set, Set)

Answer 2

就像亚当建议的那样，循环是找到交叉点大小的最有效方法

public static int intersectionsCount(Set set1, Set set2) {
    if (set2.size() < set1.size()) return intersectionsCount(set2, set1);
    int count = 0;
    for (Object o : set1)
        if (set2.contains(o)) count++;
    return count;
}

public static double commonRatio(Set set1, Set set2) {
    int common = intersectionsCount(set1, set2);
    int union = set1.size() + set2.size() - common;
    return (double) common / union; // [0.0, 1.0]
}