Jaccard 得分/距离或重叠百分比

Posted 2023-03-24

【中文标题】Jaccard 得分/距离或重叠百分比

【英文标题】：Jaccard score/distance or percentage overlap

【发布时间】：2014-01-14 16:44:54

【问题描述】：

我希望能够计算一个矩形相对于矩形网格的 Jaccard 分数/距离（距离为 1 分）。我的网格是 50x50（总共 1625625 个矩形）。

我能够在 0.34 秒内针对所有这些计算输入矩形的分数，但这还不够快，因为我要么需要能够处理 10k 矩形，要么将结果存储在数据库中（更新 10 秒每次调用数千行）。所以我希望让数据库为我做计算，而不必从数据库中提取任何东西，但是我想不出没有游标如何做到这一点......

sourceRectangles 包含我的单个矩形（虽然实际上会有 10k），rectangles 包含我的网格，temporaryRectangleList 包含分数的总和。

Dictionary<UInt32, Rectangle> temporaryRectangleList = new Dictionary<UInt32, Rectangle>();
foreach (var sourceRectangle in sourceRectangles)

    foreach (var rectangle in rectangles)
    
        // For each rectangle within the group
        //foreach (var rectangle in group)
        //
        int max_MinX = Math.Max(sourceRectangle.MinX, rectangle.MinX);
        int min_MaxX = Math.Min(sourceRectangle.MaxX, rectangle.MaxX);

        // There is an overlap
        //if (max_MinX < min_MaxX)
        //
        int max_MinY = Math.Max(sourceRectangle.MinY, rectangle.MinY);
        int min_MaxY = Math.Min(sourceRectangle.MaxY, rectangle.MaxY);


        // Calculate the area of the overlap
        int area = ((min_MaxX - max_MinX)*(min_MaxY - max_MinY));
        // Store the Jaccard score
        var score = (double) area/((sourceRectangle.Area + rectangle.Area) - area);

        if (temporaryRectangleList.ContainsKey(rectangle.ID))
        
            temporaryRectangleList[rectangle.ID].Weight += score;
        
        else
        
            temporaryRectangleList.Add(rectangle.ID, new Rectangle(rectangle, score));
        
    

我需要能够在字典中查找项目，因为我需要通过矩形的 ID 从中提取数据。

如果你认为你可以加快 C# 速度以更快（10k 矩形处理

很遗憾，SQL表太大，这里不能转储，所以我只能给你结构：

USE [Rectangles]
GO

/****** Object:  Table [dbo].[PreProcessed]    Script Date: 14/01/2014 16:39:33 ******/
SET ANSI_NULLS ON
GO

SET QUOTED_IDENTIFIER ON
GO

CREATE TABLE [dbo].[PreProcessed](
    [ID] [int] NOT NULL,
    [MinX] [int] NOT NULL,
    [MinY] [int] NOT NULL,
    [MaxX] [int] NOT NULL,
    [MaxY] [int] NOT NULL,
    [Area] [int] NOT NULL,
 CONSTRAINT [PK_PreProcessed] PRIMARY KEY CLUSTERED 
(
    [ID] ASC,
    [Area] ASC
)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY]
) ON [PRIMARY]

GO

矩形类：

public class Rectangle

    public Rectangle(UInt32 id, int minX, int maxX, int minY, int maxY, double weight)
    
        ID = id;
        MinX = minX;
        MaxX = maxX;
        MinY = minY;
        MaxY = maxY;
        Area = (maxX - minX)*(maxY - minY);
        Weight = weight;
    

    public Rectangle(Rectangle input, double weight)
    
        ID = input.ID;
        MinX = input.MinX;
        MaxX = input.MaxX;
        MinY = input.MinY;
        MaxY = input.MaxY;
        Area = input.Area;
        Weight = weight;
    

    public int Area  get; set; 
    public int MinX  get; set; 
    public int MaxX  get; set; 
    public int MinY  get; set; 
    public int MaxY  get; set; 

    public UInt32 ID  get; set; 
    public double Weight  get; set; 

【问题讨论】：

如果你可以切换内部和外部循环，你可以摆脱字典查找，你可以内联 Math.Max 和 Math.Min。在我的小测试中，我通过将 Retangle 从类更改为结构（并使成员字段而不是属性）获得了最大的好处。

【参考方案1】：

SQL Server 具有geometry 数据类型。这有计算多边形交集和并集的方法。