jaccard相似系數（Jaccard similarity coefficient）

jaccard相似系數

jaccard相似系數（Jaccard similarity coefficient）主要應用場景為數據聚類、比較文本的相似度，用於文本的查重與去重，計算對象間的距離。

jaccard相似系數用於比較有限樣本集之間的相似性和差異性J(A,B)為A與B交集的大小與A與B並集的大小的比值。

實例

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的相似度為4/9。

J(A,B)∈(0,1)。jaccard值越大說明相似度越高，jaccard值越小說明相似度越低。

公式

Jaccard 距離

與Jaccard 相似系數相關的指標叫做Jaccard 距離，用於描述集合之間的不相似度。它是jaccard相似系數的補集，被定義為1減去Jaccard相似系數。

Jaccard 距離越大，樣本相似度越低。

公式定義如下：

jaccard相似系數 代碼實現

           public double distance(String s1, String s2) { 
          
        if (s1 == null || s2 == null) { 
          
            throw new NullPointerException("字符串為空"); 
          
        } 
          
        if (s1.equals(s2)){ 
          
            return 1; 
          
        } 
          
        Map<String, Integer> h1 = getHashKey(s1); 
          
        Map<String, Integer> h2 = getHashKey(s2); 
         

                   Set<String> union = new HashSet<String>(); 
          
        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(); 
          
    } 
         

 運行結果：