比較兩個向量（Java）

Question

目前，我有兩個大於50個字符串的較大向量

我希望能夠比較這兩個向量，並弄清楚它們有多相似。 我想我需要使用余弦相似度嗎？

有誰知道采用兩個Java Vector並給出介於0和1之間的值的方法的相似性嗎？

謝謝菲爾

Answer 1

看看Lucene中的相似功能 。

上式受文檔和查詢向量之間的余弦距離或點積的驅動

這是關於此主題的上一個SO問題 。

Answer 2

有關余弦距離和相關方法的實現，請參見Apache Mahout庫 。 還可以考慮查找“本地敏感哈希”以尋求更快的替代方法。

Answer 3

請執行下列操作

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;
    }

}

類型推斷，有人嗎？