如何在相似性度量和差異度量之間進行轉換？

在相似性度量和距離度量之間轉換是否有一種通用方法？如何在相似性度量和差異度量之間進行轉換？

考慮一個相似性度量，比如兩個字符串共有的2克數。

2-grams('beta', 'delta') = 1 
2-grams('apple', 'dappled') = 4

如果我需要這個喂到預期差異的措施，如Levenshtein距離的優化算法？

這只是一個例子......我在尋找一個通用的解決方案，如果存在的話。就像如何從Levenshtein距離到相似性的度量？

我很感謝您可能提供的任何指導。

來源

2010-10-31 135498

我很想知道你的問題是否要求距離服從[三角不等式]（http://en.wikipedia.org/wiki/Triangle_inequality），如果是的話，你認爲哪些解決方案最令人滿意。 – 2012-11-29 17:20:20

similarity = 1/difference

並觀看了difference = 0

來源

2010-10-31 19:35:14

所以你可以嘗試'相似度= 1 /（差異+ 1）' – 2010-10-31 19:45:37

這是有道理的...謝謝。 – 135498 2010-11-01 23:15:46

在Levenshtein距離的情況下，可以以1爲每次序列比賽增加了SIM卡的分數;也就是說，每次您不需要刪除，插入或替換時，都是1。這樣，度量將是兩個字符串共有多少個字符的線性度量。

來源

2011-08-05 13:33:32

如果你的相似度（S）爲0和1之間，你可以使用其中的一個：

1-s 
sqrt(1-s) 
-log(s) 
(1/s)-1

來源

2011-12-15 20:54:06 nimcap

在我的項目之一（基於協同過濾），我不得不相關之間的轉換（餘弦在向量之間），從-1到1（更接近1更接近-1，更接近-1更加多樣化）到歸一化距離（接近0，距離更小並且接近1，距離更大）

在這種情況下：距離〜多樣性

我爲穆拉是：dist = 1 - (cor + 1)/2

如果你有相似的多樣性和域爲[0,1]在這兩種情況下的simlest方法是：

dist = 1 - sim

sim = 1 - dist

來源

2011-12-15 21:06:54 SlavaNov

做1 /相似度不會保留分配的屬性。

最好的方法是距離（a-> b）=最高相似度 - 相似度（a-> b）。具有最高相似度的是具有最大值的相似度距離。您因此翻轉您的分配。最高相似度變爲0等

來源

2014-04-14 08:32:58

讓d表示距離，小號表示相似性。到距離測量轉換成相似性度量，我們首先需要正常化d爲[0 1]，通過使用d_norm = d /最高（d）。然後，相似性度量由下式給出：

s = 1-d_norm。

其中s在[0 1]的範圍內，其中1表示最高相似度（比較項目相同），0表示最低相似度（最大距離）。

來源

2015-03-12 20:47:18 henrythung

Cosine similarity是widely used用於n克計數或TFIDF載體。

from math import pi, acos 
def similarity(x, y): 
    return sum(x[k] * y[k] for k in x if k in y)/sum(v**2 for v in x.values())**.5/sum(v**2 for v in y.values())**.5

餘弦相似性可以被用於計算一個正式的距離度量according to wikipedia。它遵循，你會期望的距離（對稱，非負性，等等）的所有屬性：

def distance_metric(x, y): 
    return 1 - 2 * acos(similarity(x, y))/pi

這些度量的兩個範圍0和1之間

如果你有tokenizer產生N-從字符串克，你可以使用這些指標是這樣的：

>>> import Tokenizer 
>>> tokenizer = Tokenizer(ngrams=2, lower=True, nonwords_set=set(['hello', 'and'])) 

>>> from Collections import Counter 
>>> list(tokenizer('Hello World again and again?')) 
['world', 'again', 'again', 'world again', 'again again'] 
>>> Counter(tokenizer('Hello World again and again?')) 
Counter({'again': 2, 'world': 1, 'again again': 1, 'world again': 1}) 
>>> x = _ 
>>> Counter(tokenizer('Hi world once again.')) 
Counter({'again': 1, 'world once': 1, 'hi': 1, 'once again': 1, 'world': 1, 'hi world': 1, 'once': 1}) 
>>> y = _ 
>>> sum(x[k]*y[k] for k in x if k in y)/sum(v**2 for v in x.values())**.5/sum(v**2 for v in y.values())**.5 
0.42857142857142855 
>>> distance_metric(x, y) 
0.28196592805724774

我發現Counter優雅的內積this SO answer

來源

2016-05-13 23:41:46 hobs

如何在相似性度量和差異度量之間進行轉換？

回答

相關問題