前言

NLP-字符串相似性計(jì)算、集合相似性度量

提示：以下是本篇文章正文內(nèi)容，下面案例可供參考

杰卡德距離是什么？

杰卡德距離(Jaccard Distance) 是用來衡量兩個(gè)集合差異性的一種指標(biāo)，它是杰卡德相似系數(shù)的補(bǔ)集，被定義為1減去Jaccard相似系數(shù)。而杰卡德相似系數(shù)(Jaccard similarity coefficient)，也稱杰卡德指數(shù)(Jaccard Index)，是用來衡量兩個(gè)集合相似度的一種指標(biāo)。

定義

Jaccard相似指數(shù)用來度量兩個(gè)集合之間的相似性，它被定義為兩個(gè)集合交集的元素個(gè)數(shù)除以并集的元素個(gè)數(shù)。

Jaccard距離用來度量兩個(gè)集合之間的差異性，它是Jaccard的相似系數(shù)的補(bǔ)集，被定義為1減去Jaccard相似系數(shù)。

Python實(shí)現(xiàn)

代碼如下：

# -*- encoding:utf-8 -*-
import jieba
def Jaccard(model, reference):  # terms_reference為源句子，terms_model為候選句子
    terms_reference = jieba.cut(reference)  # 默認(rèn)精準(zhǔn)模式
    terms_model = jieba.cut(model)
    grams_reference = set(terms_reference)  # 去重；如果不需要就改為list
    grams_model = set(terms_model)
    temp = 0
    for i in grams_reference:
        if i in grams_model:
            temp = temp + 1
    fenmu = len(grams_model) + len(grams_reference) - temp  # 并集
    try:
        jaccard_coefficient = float(temp / fenmu)  # 交集
    except ZeroDivisionError:
        print(model, reference)
        return 0
    else:
        return jaccard_coefficient

環(huán)比是什么？

環(huán)比的發(fā)展速度是報(bào)告期水平與前一時(shí)期水平之比，表明現(xiàn)象逐期的發(fā)展速度。如計(jì)算一年內(nèi)各月與前一個(gè)月對比，即2月比1月，3月比2月，4月比3月……12月比11月，說明逐月的發(fā)展程度。如分析抗擊“非典”期間某些經(jīng)濟(jì)現(xiàn)象的發(fā)展趨勢，環(huán)比比同比更說明問題。

學(xué)過統(tǒng)計(jì)或者經(jīng)濟(jì)知識(shí)的人都知道，統(tǒng)計(jì)指標(biāo)按其具體內(nèi)容、實(shí)際作用和表現(xiàn)形式可以分為總量指標(biāo)、相對指標(biāo)和平均指標(biāo)。由于采用基期的不同，發(fā)展速度可分為同比發(fā)展速度、環(huán)比發(fā)展速度和定基發(fā)展速度。簡單地說，就是同比、環(huán)比與定基比，都可以用百分?jǐn)?shù)或倍數(shù)表示。
定基比發(fā)展速度，也簡稱總速度，一般是指報(bào)告期水平與某一固定時(shí)期水平之比，表明這種現(xiàn)象在較長時(shí)期內(nèi)總的發(fā)展速度。同比發(fā)展速度，一般指是指本期發(fā)展水平與上年同期發(fā)展水平對比，而達(dá)到的相對發(fā)展速度。環(huán)比發(fā)展速度，一般是指報(bào)告期水平與前一時(shí)期水平之比，表明現(xiàn)象逐期的發(fā)展速度。
同比和環(huán)比，這兩者所反映的雖然都是變化速度，但由于采用基期的不同，其反映的內(nèi)涵是完全不同的；一般來說，環(huán)比可以與環(huán)比相比較，而不能拿同比與環(huán)比相比較；而對于同一個(gè)地方，考慮時(shí)間縱向上發(fā)展趨勢的反映，則往往要把同比與環(huán)比放在一起進(jìn)行對照。 [1]

Python實(shí)現(xiàn)

代碼如下：

def month_on_month_ratio(data_list):
? ? mid = 0
? ? length = len(data_list)
? ? res = []
? ? while mid < length-1:
? ? ? ? a, b = data_list[mid:mid+2]
? ? ? ? res.append((b-a)/a)
? ? ? ? mid += 1
? ? return res

以上就是今天分享的內(nèi)容，本文僅僅簡單介紹了杰卡德距離以及環(huán)比的Python版實(shí)現(xiàn)，希望可以幫到大家,請大家以后多多支持腳本之家！

最新評論