本文實(shí)例講述了Java基于余弦方法實(shí)現(xiàn)的計(jì)算相似度算法。分享給大家供大家參考，具體如下：
（1）余弦相似性
通過測量兩個(gè)向量之間的角的余弦值來度量它們之間的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1;并且其最小值是-1。從而兩個(gè)向量之間的角度的余弦值確定兩個(gè)向量是否大致指向相同的方向。所以，它通常用于文件比較。
相關(guān)介紹可參考百度百科：余弦相似性
（2）算法實(shí)現(xiàn)的中未使用權(quán)重（IDF ---逆文檔頻率），使用詞項(xiàng)的出現(xiàn)次數(shù)作為向量空間的值。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
|
import java.util.HashMap;import java.util.Iterator;import java.util.Map;public class SimilarDegreeByCos{ /* * 計(jì)算兩個(gè)字符串(英文字符)的相似度，簡單的余弦計(jì)算，未添權(quán)重 */ public static double getSimilarDegree(String str1, String str2) { //創(chuàng)建向量空間模型，使用map實(shí)現(xiàn)，主鍵為詞項(xiàng)，值為長度為2的數(shù)組，存放著對應(yīng)詞項(xiàng)在字符串中的出現(xiàn)次數(shù) Map<String, int[]> vectorSpace = new HashMap<String, int[]>(); int[] itemCountArray = null;//為了避免頻繁產(chǎn)生局部變量，所以將itemCountArray聲明在此 //以空格為分隔符，分解字符串 String strArray[] = str1.split(" "); for(int i=0; i<strArray.length; ++i) { if(vectorSpace.containsKey(strArray[i])) ++(vectorSpace.get(strArray[i])[0]); else { itemCountArray = new int[2]; itemCountArray[0] = 1; itemCountArray[1] = 0; vectorSpace.put(strArray[i], itemCountArray); } } strArray = str2.split(" "); for(int i=0; i<strArray.length; ++i) { if(vectorSpace.containsKey(strArray[i])) ++(vectorSpace.get(strArray[i])[1]); else { itemCountArray = new int[2]; itemCountArray[0] = 0; itemCountArray[1] = 1; vectorSpace.put(strArray[i], itemCountArray); } } //計(jì)算相似度 double vector1Modulo = 0.00;//向量1的模 double vector2Modulo = 0.00;//向量2的模 double vectorProduct = 0.00; //向量積 Iterator iter = vectorSpace.entrySet().iterator(); while(iter.hasNext()) { Map.Entry entry = (Map.Entry)iter.next(); itemCountArray = (int[])entry.getValue(); vector1Modulo += itemCountArray[0]*itemCountArray[0]; vector2Modulo += itemCountArray[1]*itemCountArray[1]; vectorProduct += itemCountArray[0]*itemCountArray[1]; } vector1Modulo = Math.sqrt(vector1Modulo); vector2Modulo = Math.sqrt(vector2Modulo); //返回相似度 return (vectorProduct/(vector1Modulo*vector2Modulo)); } /* * */ public static void main(String args[]) { String str1 = "gold silver truck"; String str2 = "Shipment of gold damaged in a fire"; String str3 = "Delivery of silver arrived in a silver truck"; String str4 = "Shipment of gold arrived in a truck"; String str5 = "gold gold gold gold gold gold"; System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str2)); System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str3)); System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str4)); System.out.println(SimilarDegreeByCos.getSimilarDegree(str1, str5)); }} |
希望本文所述對大家java程序設(shè)計(jì)有所幫助。
