计算数据集之间相似性百分比的有效方法

Posted 2023-05-07

【中文标题】计算数据集之间相似性百分比的有效方法

【英文标题】：Effective way to calculate a similarity percentage between data sets

【发布时间】：2011-02-11 23:39:13

【问题描述】：

我目前正在处理用户对象——每个对象都有许多目标对象。目标对象不是用户特定的，即用户可以共享相同的目标。我正在尝试设计一种方法来计算两个用户之间的“相似性百分比”......（即，考虑到他们共享多少目标以及他们不共享多少目标）有没有人有这种类型的经验情况？如果有帮助，我正在将 Grails 与 mysql 一起使用。

谢谢

【参考方案1】：

执行此操作的标准方法是 Jaccard 相似度。如果 A 是第一个用户的目标集，B 是第二个用户的目标集，则 Jaccard 相似度为：

#(A intersect B)/#(A union B)

这是他们共享的目标数除以两人共同拥有的投票总数（计算他们仅共享一次的目标）。因此，如果第一个用户的目标 A=1,2,3 而第二个用户的目标 B=2,4 那么是这样的：

A intersect B = 2
A union B = 1,2,3,4

#(A intersect B)/#(A union B) = 1/4

Jaccard 相似度始终介于 0（他们没有共享目标）和 1（他们有相同的目标）之间，因此您可以将其乘以 100 得到一个百分比。

http://en.wikipedia.org/wiki/Jaccard_index