相似性计算方法总结.pdfVIP

#专业术语#计算文本相似性方法总结

Peaker

在评价两组数据相似性或相关性过程中，我们通常要借助文本相似性的算法来进行评价，例

如要评价两组样本的均一性和相似性或评价模型预测结果的稳定性等。例如在预测药物新作用

的时候，我们想评价两个药物是否在功能上有相似性，就可以统计两个药物各自的靶点信

息，然后计算两组靶点的相似性。又比如我们建立了一个无监督聚类模型，我们想知道这个

聚类模型的预测效果是否稳健，就可以对多次预测的结果计算样本类的相似性。因此在

实际研究中，计算文本相似性的算法是非常有效的方法，今天我们就来简单介绍几种用于计

算文本相似性的方法。

第一种：谷本系数TanimotoCoefficient

TanimotoCoefficient谷本系数也叫JaccardCoefficient，是通过两组样本数据的交集个数和两

组数据的并集个数作比较，从而评价两组数据均一性的。

TanimotoCoefficient和其他相关度计算方式有很大的不同，它不关心用户对物品的具体

评分值，它在关心用户与物品之间是否存在关联关系。TanimotoCoefficient依赖于用

户和物品之间的这种Boolean关系作为输入。

#professionalterms#Summaryofmethodsfor

calculatingtextsimilarity

Peaker

Intheprocessofevaluatingthesimilarityorcorrelationweentwosetsofdata,weusually

usetextsimilarityalgorithmstoevaluate,forexample,toevaluatethehomogeneityand

similarityoftwosetsofsamportoevaluatethestabilityofmodelpredictionresults.For

example,whenpredictingneweffectsofdrugs,ifwewanttoevaluatewhethertwodrugsare

functionallysimilar,wecancountthetargetinformationofthetwodrugs,andthencalculatethe

similarityofthetwogroupsoftargets.Foranotherexample,wehaveestablishedan

unsupervisedclusteringmodel.Ifwewanttoknowwhetherthepredictioneffectofthis

clusteringmodelisrobust,wecancalculatethesimilarityofsampleclasslabelsbasedonthe

resultsofmultiplepredictions.Therefore,inactualresearch,thealgorithmforcalculatingtext

similarityisaveryeffectivemethod.Todaywewillbrieflyintroduceseveralmethodsfor

calculatingtextsimilarity.

Thefirsttype:TanimotoCoefficient

TanimotoCoefficient,alsocalledJaccardCoefficient,