在本文中，我们将详细介绍计算单词列表之间的相似度的各个方面，并为您提供关于计算单词列表之间的相似度怎么算的相关解答，同时，我们也将为您带来关于android–如何识别2“黑白”图像之间的相似度(％)？

在本文中，我们将详细介绍计算单词列表之间的相似度的各个方面，并为您提供关于计算单词列表之间的相似度怎么算的相关解答，同时，我们也将为您带来关于android – 如何识别2“黑白”图像之间的相似度(％)？、bash – 计算单词列表中每个单词出现在文件中的次数？、C# Net 比较2个字符串的相似度（使用余弦相似度）、java – 如何有效地计算数百万字符串之间的余弦相似度的有用知识。

• 计算单词列表之间的相似度（计算单词列表之间的相似度怎么算）
• android – 如何识别2“黑白”图像之间的相似度(％)？
• bash – 计算单词列表中每个单词出现在文件中的次数？
• C# Net 比较2个字符串的相似度（使用余弦相似度）
• java – 如何有效地计算数百万字符串之间的余弦相似度

计算单词列表之间的相似度（计算单词列表之间的相似度怎么算）

我想计算两个单词列表之间的相似度，例如：

[''email'',''user'',''this'',''email'',''address'',''customer'']

类似于此列表：

[''email'',''mail'',''address'',''netmail'']

例如，我希望比其他列表具有更高的相似性百分比：[''address'',''ip'',''network'']即使 address 该列表中存在相似性
。

答案1

由于您实际上还无法演示晶体输出，因此以下是我的最佳镜头：

list_A = [''email'',''user'',''this'',''email'',''address'',''customer'']list_B = [''email'',''mail'',''address'',''netmail'']

在上面的两个列表中，我们将找到列表中每个元素与其余元素之间的余弦相似度。即email从list_B与每一个元素list_A：

def word2vec(word):    from collections import Counter    from math import sqrt    # count the characters in word    cw = Counter(word)    # precomputes a set of the different characters    sw = set(cw)    # precomputes the "length" of the word vector    lw = sqrt(sum(c*c for c in cw.values()))    # return a tuple    return cw, sw, lwdef cosdis(v1, v2):    # which characters are common to the two words?    common = v1[1].intersection(v2[1])    # by definition of cosine distance we have    return sum(v1[0][ch]*v2[0][ch] for ch in common)/v1[2]/v2[2]list_A = [''email'',''user'',''this'',''email'',''address'',''customer'']list_B = [''email'',''mail'',''address'',''netmail'']threshold = 0.80     # if neededfor key in list_A:    for word in list_B:        try:            # print(key)            # print(word)            res = cosdis(word2vec(word), word2vec(key))            # print(res)            print("The cosine similarity between : {} and : {} is: {}".format(word, key, res*100))            # if res > threshold:            #     print("Found a word with cosine distance > 80 : {} with original word: {}".format(word, key))        except IndexError:            pass

输出 ：

The cosine similarity between : email and : email is: 100.0The cosine similarity between : mail and : email is: 89.44271909999159The cosine similarity between : address and : email is: 26.967994498529684The cosine similarity between : netmail and : email is: 84.51542547285166The cosine similarity between : email and : user is: 22.360679774997898The cosine similarity between : mail and : user is: 0.0The cosine similarity between : address and : user is: 60.30226891555272The cosine similarity between : netmail and : user is: 18.89822365046136The cosine similarity between : email and : this is: 22.360679774997898The cosine similarity between : mail and : this is: 25.0The cosine similarity between : address and : this is: 30.15113445777636The cosine similarity between : netmail and : this is: 37.79644730092272The cosine similarity between : email and : email is: 100.0The cosine similarity between : mail and : email is: 89.44271909999159The cosine similarity between : address and : email is: 26.967994498529684The cosine similarity between : netmail and : email is: 84.51542547285166The cosine similarity between : email and : address is: 26.967994498529684The cosine similarity between : mail and : address is: 15.07556722888818The cosine similarity between : address and : address is: 100.0The cosine similarity between : netmail and : address is: 22.79211529192759The cosine similarity between : email and : customer is: 31.62277660168379The cosine similarity between : mail and : customer is: 17.677669529663685The cosine similarity between : address and : customer is: 42.640143271122085The cosine similarity between : netmail and : customer is: 40.08918628686365

注意：我也已threshold在代码中注释了该部分，以防万一您只需要单词的相似度超过某个阈值（即80％）

编辑 ：

OP ： 但是我想做的不是逐字比较，而是逐个列出

使用Counter和math：

from collections import Counterimport mathcounterA = Counter(list_A)counterB = Counter(list_B)def counter_cosine_similarity(c1, c2):    terms = set(c1).union(c2)    dotprod = sum(c1.get(k, 0) * c2.get(k, 0) for k in terms)    magA = math.sqrt(sum(c1.get(k, 0)**2 for k in terms))    magB = math.sqrt(sum(c2.get(k, 0)**2 for k in terms))    return dotprod / (magA * magB)print(counter_cosine_similarity(counterA, counterB) * 100)

输出 ：

53.03300858899106

android – 如何识别2“黑白”图像之间的相似度(％)？

我搜索了所有可能的相关关键词,但我的结果并不是我想要的,因为我发现的大多数算法都非常关注COLOR.

我的应用程序的想法是识别具有最高相似性的图像对.

例如,我的输入是a,图像池包含b,c,d,e.
结果将是b(90％),d(85％),e(80％),c(20％).

我的问题是可以采用什么方法来计算这种“图像相似度”？
或者我必须从零构建我自己的代码？

解决方法:

您可以查看形状上下文http://en.wikipedia.org/wiki/Shape_context以计算形状之间的相似性,互联网上有许多形状上下文的实现,全文可以在这里访问http://www.cs.berkeley.edu/~malik/papers/BMP-shape.pdf

bash – 计算单词列表中每个单词出现在文件中的次数？

bear 3
fish 15

cat list.txt | grep -c file1.txt

while read; do
    echo -n "$REPLY "
    fgrep -ow "$REPLY" data.txt | wc -l
done < <(sort -u word_list.txt)

C# Net 比较2个字符串的相似度（使用余弦相似度）

C# Net 比较2个字符串的相似度（使用余弦相似度）

复制代码使用：

　　　　　/// <summary>
        /// 比较2个字符串的相似度（使用余弦相似度）
        /// </summary>
        /// <param name="str1"></param>
        /// <param name="str2"></param>
        /// <returns>0-1之间的数</returns>
        public static double SimilarityCos(string str1, string str2)
        {
            str1 = str1.Trim();
            str2 = str2.Trim();
            if (string.IsNullOrEmpty(str1) || string.IsNullOrEmpty(str2))
                return 0;

            List<string> lstr1 = SimpParticiple(str1);
            List<string> lstr2 = SimpParticiple(str2);
            //求并集
            var strUnion = lstr1.Union(lstr2);
            //求向量
            List<int> int1 = new List<int>();
            List<int> int2 = new List<int>();
            foreach (var item in strUnion)
            {
                int1.Add(lstr1.Count(o => o == item));
                int2.Add(lstr2.Count(o => o == item));
            }

            double s = 0;
            double den1 = 0;
            double den2 = 0;
            for (int i = 0; i < int1.Count(); i++)
            {
                //求分子
                s += int1[i] * int2[i];
                //求分母（1）
                den1 += Math.Pow(int1[i], 2);
                //求分母（2）
                den2 += Math.Pow(int2[i], 2);
            }

            return s / (Math.Sqrt(den1) * Math.Sqrt(den2));
        }

        /// <summary>
        /// 简单分词（需要更好的效果，需要这里优化，比如把：【今天天气很好】，分成【今天，天气，很好】，同时可以做同义词优化，【今天】=【今日】效果更好）
        /// </summary>
        public static List<string> SimpParticiple(string str)
        {
            List<string> vs = new List<string>();
            foreach (var item in str)
            {
                vs.Add(item.ToString());
            }
            return vs;
        }

java – 如何有效地计算数百万字符串之间的余弦相似度

关于计算单词列表之间的相似度和计算单词列表之间的相似度怎么算的介绍现已完结，谢谢您的耐心阅读，如果想了解更多关于android – 如何识别2“黑白”图像之间的相似度(％)？、bash – 计算单词列表中每个单词出现在文件中的次数？、C# Net 比较2个字符串的相似度（使用余弦相似度）、java – 如何有效地计算数百万字符串之间的余弦相似度的相关知识，请在本站寻找。