Jaccard系数

        Jaccard系数主要用于计算符号度量或布尔值度量的个体间的相似度，因为个体的特征属性都是由符号度量或者布尔值标识，因此无法衡量差异具体值的大小，只能获得“是否相同”这个结果，所以Jaccard系数只关心个体间共同具有的特征是否一致这个问题。如果比较X与Y的Jaccard相似系数，只比较xn和yn中相同的个数。

        

对集合A和B，Jaccard相似度计算如下：

Jaccard（A, B）= |A intersect B| / |A union B|

相似度数值在[0, 1]之间，当A==B的时候，为1. 优缺点，就是元素的取值只能是0或者1，无法利用更丰富的信息。

由相似度，可以转换成Jaccard距离：

Jaccard distance （A, B） = 1 - Jaccard（A, B）

       用来比较样本集中的相似性和分散性的一个概率。Jaccard系数等于样本集交集与样本集合集的比值，即J=|A∩B|/|A∪B|

       

主要应用场景编辑

• 过滤相似度很高的新闻，或者网页去重
• 考试防作弊系统
• 论文抄袭检查