Java中的向量空間模型算法，以獲得兩個人之間的相似度得分

Question

我想在Java中使用/實現向量空間模型算法，以基於其關鍵字得到兩個人之間的相似度得分。所以我有以下類：

人 - 有一個關鍵字列表;

關鍵字 - String text; 整數分數;

關鍵字分數是提到該人對該關鍵字作出的次數。

關於如何在Java中實現這一點的任何建議？

Regards

Answer 1

它很容易。

1. 首先，您應該爲代表關鍵字的每個人創建矢量表示，示例Map。我想推薦http://en.wikipedia.org/wiki/Cosine_similarity。

所以，現在真正的代碼：

static double cosine_similarity(Map<String, Double> v1, Map<String, Double> v2) { 
      Set<String> both = Sets.newHashSet(v1.keySet()); 
      both.retainAll(v2.keySet()); 
      double sclar = 0, norm1 = 0, norm2 = 0; 
      for (String k : both) sclar += v1.get(k) * v2.get(k); 
      for (String k : v1.keySet()) norm1 += v1.get(k) * v1.get(k); 
      for (String k : v2.keySet()) norm2 += v2.get(k) * v2.get(k); 
      return sclar/Math.sqrt(norm1 * norm2); 
    } 

Answer 2

我認爲這是在上面的示例代碼中的錯誤。正確的代碼如下。

static double cosine_similarity(Map<String, Double> v1, Map<String, Double> v2) { 
     Set<String> both = Sets.newHashSet(v1.keySet()); 
     both.removeAll(v2.keySet()); 

     double sclar = 0, norm1 = 0, norm2 = 0; 

     /* We need to perform cosine similarity only on words that 
     * exist in both lists */ 
     for (String k : both) { 
      sclar += v1.get(k) * v2.get(k); 
      norm1 += v1.get(k) * v1.get(k); 
      norm2 += v2.get(k) * v2.get(k); 
     } 
     return sclar/Math.sqrt(norm1 * norm2); 
}