jaccard相似系数

jaccard相似系数
jaccard相似系数（Jaccard similarity coefficient）主要应用场景为数据聚类、比较文本的相似度，用于文本的查重与去重，计算对象间的距离。jaccard相似系数用于比较有限样本集之间的相似性和差异性J(A,B)为A与B交集的大小与A与B并集的大小的比值。实例s1={1，3，4，5，7，8，9}，s2={1，2，3，5，6，8}，s1∩s2=“{1，3，5，8}，s1∪s2={1，2，3，4，5，6，7，8，9}，s1和s2的相似度为4/9。J(A,B)∈(0,1)。jaccard值越大说明相似度越高，jaccard值越小说明相似度越低。公式Jaccard 距离与Jaccard 相似系数相关的指标叫做Jaccard 距离，用于描述集合之间的不相似度。它是jaccard相似系数的补集，被定义为1减去Jaccard相似系数。Jaccard 距离越大，样本相似度越低。公式定义如下：
jaccard相似系数 代码实现复制代码
public double distance(String s1, String s2) { if (s1 == null || s2 == null) { throw new NullPointerException(“字符串为空”); } if (s1.equals(s2)){ return 1; } Map<String, Integer> h1 = getHashKey(s1); Map<String, Integer> h2 = getHashKey(s2); Set union = new HashSet(); union.addAll(h1.keySet()); union.addAll(h2.keySet()); int flag = 0; for (String key : union) { if (h1.containsKey(key) && h2.containsKey(key)){ flag++; } } return 1.0*flag / union.size(); }