比较两个向量 (Java)答案

【问题标题】：Compare Two Vectors (Java)比较两个向量 (Java)
【发布时间】：2010-12-25 15:58:08
【问题描述】：

目前我有两个更大的向量，包含 50 多个字符串

我希望能够比较这两个向量并计算出它们的相似程度。我想我需要使用余弦相似度？

有谁知道有什么方法可以接收两个 Java 向量并给出 0 到 1 之间的值来判断它们的相似程度吗？

谢谢菲尔

【问题讨论】：

余弦相似度适用于几何向量，不适用于数据结构。定义如何度量 Vector 的相似度，我们可以考虑算法。
请使用改进的ArrayList 类而不是旧的Vector 类。
@tkopec - 菲尔希望使用余弦距离来衡量字符串集之间的相似性是正确的。

标签： java vector compare trigonometry

【解决方案1】：

看看 Lucene 中的similarity function。

上面的公式是由cosine-distance 或文档和查询向量之间的点积推动的

这是关于此主题的Previous SO question。

【讨论】：

【解决方案2】：

请参阅Apache Mahout library 了解余弦距离和相关方法的实现。还可以考虑查找 Locality Sensitive Hashing 以获得更快的替代方案。

【讨论】：

【解决方案3】：

执行以下操作

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;
    }

}

类型推断，有人吗？

【讨论】：

我就是这么写的，小心它未经测试。