如何计算数据帧中两行之间的jaccard相似度
计算数据帧中两行之间的Jaccard相似度可以通过以下步骤实现：
- 首先，将数据帧中的两行转换为集合形式，其中每个集合表示一行中的元素。
- 计算两个集合的交集，即两行中共同出现的元素。
- 计算两个集合的并集，即两行中出现的所有元素。
- 根据Jaccard相似度的定义，将交集的大小除以并集的大小，得到相似度的值。
下面是一个示例代码，使用Python的pandas和numpy库来计算数据帧中两行之间的Jaccard相似度：
import pandas as pd
import numpy as np
# 创建一个示例数据帧
df = pd.DataFrame({'A': ['apple', 'banana', 'orange'], 'B': ['banana', 'orange', 'kiwi']})
# 将数据帧中的两行转换为集合
row1 = set(df.loc[0])
row2 = set(df.loc[1])
# 计算交集和并集的大小
intersection = len(row1.intersection(row2))
union = len(row1.union(row2))
# 计算Jaccard相似度
jaccard_similarity = intersection / union
print("Jaccard相似度:", jaccard_similarity)在这个示例中，我们创建了一个包含两行数据的数据帧。然后，我们将第一行和第二行转换为集合，并计算它们的交集和并集的大小。最后，我们根据Jaccard相似度的定义计算相似度的值。
请注意，这只是一个简单的示例，实际应用中可能需要根据具体情况进行适当的调整和优化。
关于Jaccard相似度的更多信息，您可以参考腾讯云文档中的相关介绍：Jaccard相似度
相关·内容
众所周知，两个顶点的Jaccard相似系数是两个顶点中至少一个点的邻接数除以公共邻域数的数。在Igraph中有一个函数similarity.jaccard()，它计算图中任意顶点的上述定义的系数。我只想计算相邻顶点的Jaccard系数(即所谓的边的Jaccard系数)，并且我想以向量的形式得到我的结果，向量的长度等于所考虑的图的边数。我在Igraph库中找到了这个问题的解决方案，而我对此并不熟悉。我想在图R中得到这样的结果，如何解决这个问题？
浏览 1提问于2018-10-10得票数 2
回答已采纳
我实现了一个使用jaccard相似度构造距离矩阵的函数：
import pandas as pd
entries = [
{'id':'1', 'category1':'100', 'category2': '0', 'category3':'100'},
{'id':'2', 'category1':'100', 'category2': '0',
浏览 3提问于2016-02-26得票数 11
回答已采纳
1回答
使用笛卡尔的jaccard相似性
、、、、
我有一段代码：
StructType schema = new StructType(
new StructField[] { DataTypes.createStructField("file_path", DataTypes.StringType, false),
DataTypes.createStructField("file_content",
DataTypes.createArrayType(DataTyp
浏览 16提问于2020-07-06得票数 0
我需要一些帮助来弄清楚如何在igraph的C接口中根据端点的Jaccard索引对边进行排序。
我已经能够计算所有对的Jaccard索引，但我只需要相邻顶点的Jaccard索引列表。在我的例子中，我使用的是Zachary空手道俱乐部网络，它有34顶点和78边。
igraph_t graph;
igraph_famous(&graph,"Zachary"); // load a graph
igraph_write_graph_edgelist(&graph,stderr); // print it to stderr
igraph_matrix_t res; /
浏览 1提问于2015-07-21得票数 0
我想弄明白sklearn的jaccard_score到底是怎么回事。 这是我得到的结果 1. jaccard_score([0 1 1], [1 1 1])
0.6666666666666666
2. jaccard_score([1 1 0], [1 0 0])
0.5
3. jaccard_score([1 1 0], [1 0 1])
0.3333333333333333 我知道这个公式是 intersection / size of A + size of B - intersection 我认为最后一个应该给我0.2，因为重叠是1，条目总数是6，结果是1/5。但我得到了0.33
浏览 132提问于2019-06-15得票数 0
回答已采纳
1回答
我试图实现简单的推荐系统，并试图理解不同的方法来实现我的目标。
我的数据集由用户和他们购买的物品组成。我有关于什么项目的用户购买的信息和这些项目的描述形式的标题。
起初，我想我可以使用基于用户的协作过滤方法，但我仍然坚持这样做。我不太清楚如何计算布尔数据的相似性。
例如，当我有这样的数据时
1 2 3 4
A 0 1 0 1
B 0 1 0 1
C 1 0 1 1
D 0 1 0 0
E 0 0 1 1
我想向用户E推荐项目，那么在这种情况下我应该如何计算相似性呢？例如，我从python中的scikit学习模块中选择了余弦相似性。但我不太清楚
浏览 0提问于2017-12-04得票数 2
2回答
假设您有两个用户，其属性集如下所示：
userA = {"happy", "excited"}
userB = {"sad", "anxious"}
现在，如果我们要计算这个的Jaccard相似度，它将是0。但是，我们希望定义与anxious非常相似的excited。
我的问题是，这是如何构建的？
我会定义另一组与excited同义词的单词吗？那么我该如何将其纳入Jaccard索引计算中呢？
浏览 1提问于2016-04-23得票数 0
我有两个数据框，一个包含客户打开的服务请求，另一个包含客户的订单。我想在customer name上合并这两个数据框，但问题是名称不相同，因为它们来自两个不同的来源。这只是一个虚构的例子:数据帧1可以有"Facebook，Inc.“。数据帧2可以是"facebook社交媒体“。
我尝试使用SequenceMatcher (从difflib导入SequenceMatcher)，并在数据帧1中采用每个客户的最高比率的结果，但精度不够好。
我很高兴听到遇到同样问题的人的想法。
谢谢。
浏览 2提问于2020-10-21得票数 0
1回答
我正试着从R做一个Jaccard分析。 但是，在处理之后，我的结果列是NULL。 我从很多方面尝试过解决方案，但问题仍然存在。 有谁能帮帮我吗？ #######################PROCESSING JACCARD ANAYLSIS###################
Jaccard = function (x, y) {
M.11 = sum(x == 1 & y == 1)
M.10 = sum(x == 1 & y == 0)
M.01 = sum(x == 0 & y == 1)
return (M.11 / (M.11 + M.10 + M.
浏览 15提问于2020-04-17得票数 0
2回答
在boolean用户偏好矩阵的推荐模型中，推荐实验室R包使用Jaccard方法中的参数'alpha‘的作用是什么？即
method="Jaccard",param=list(...,alpha=0.5)
我看到了IBCF的代码，他们使用了一个不同的函数。但是这个函数并没有在官方的CRAN PDF中为推荐实验室包进行定义。有没有人能帮帮忙？
浏览 5提问于2014-06-26得票数 1
2回答
使用用户的个人数据计算相似度？
、、、、
我想使用他们的个人/组织数据找出哪些用户彼此相似，例如部门、公司、站点等。
我有一个布尔格式的数据，如下所示：
Dep1 Dep2 Comp1 Comp2 Site1 Site2
U1 0 1 0 1 0 1
U2 1 0 0 1 1 0
U3 1 0 1 0 1 0
U4 0 1 0 1 0 1
U5 0 1 0 1 1 0
U6
浏览 2提问于2020-01-10得票数 1
1回答
Jaccard索引Python
、、、、
我想使用Jaccard来找出两个集合之间的相似性。我在这里找到了一个Jaccard实现：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.jaccard_similarity_score.html，但是库功能的输入必须是一个List，而在我的例子中，我更喜欢Set。
我写了这段代码：
from sklearn.metrics import jaccard_similarity_score
def jaccard_index(first_set, second_set):
"""
浏览 2提问于2018-03-13得票数 1
回答已采纳
lst_train中约有98,000句(5-100字)，lst_test约有1,000个句子(5-100字长)。对于lst_test中的每一个句子，我想知道它是否是从lst_train中的一个句子中剽窃来的。如果这个句子是剽窃的，我应该用lst_train或or返回id。
现在，我想计算lst_test中每个句子相对于lst_train中每个句子的jaccard相似性。下面是我的代码，b.JaccardSim计算两个句子的jaccard相似性：
lst_all_p = []
for i in range(len(lst_test)):
print('i:', i)
浏览 0提问于2018-06-09得票数 5
回答已采纳
1回答
Jaccard距离的选择
、、、
为了计算两组单词之间的距离，我使用jaccard距离：
JaccardDistance(A, B) = 1 - JaccardIndex(A, B) = 1 - (|A ∩ B| / |A ∪ B|)
现在我想知道，还有其他类似的距离度量，返回0，1之间的值吗？
0表示这两个集合包含完全相同的元素，而一个完全不同的元素。这两组可能有不同的大小，单词的顺序并不重要。
浏览 0提问于2021-05-01得票数 0
回答已采纳
有没有一种有效的方法来使用Jaccard相似度对图中的节点进行集群，使每个集群至少有K个节点？
节点i和j之间的Jaccard相似度：
设S是i的邻域集合，T是j的邻域集合。然后利用|(S ⋂ T)| / |(S ⋃ T)|对i和j进行相似度比较。
浏览 1提问于2013-12-21得票数 8
我得到了一个测试和一个训练数据集，它们应该用于字符串相似性度量。这里我给出了数据集的几行，
Brandon Bass ||| what the hell is Brandon bass thinking ||| Brandon Bass Has 5 Personal Fouls ||| False
Sac ||| Congrats to Sac Kings fans ||| why yall forcing the kings to stay in sac town smh ||| False
Stella ||| hello Stella can you follow me please |
浏览 10提问于2016-09-13得票数 0
1回答
我正试图使用如下所示的csv文件在iGraph中创建一个图形：
ID Element1 Element2 Element3 Element4
12346 A 12 56 2
13007 Y 16 66 2
... ... ... ... ...
ID列由唯一的4位标识符填充，而元素列由重复的数字(或Element1中的字母)填充。我的目标是计算所有ID的成对Jaccard相似性，这利用了ID节点之间共享的元素。输出应该是一个NxN矩阵。
我一直试图使用graph_from_
浏览 0提问于2018-12-18得票数 1
回答已采纳
修改java中的hashCode()方法，使向量能够为具有jaccard相似性超过一定阈值的向量生成相同的哈希码，并具有良好的准确性
示例：
向量1: 1,1,0,0,1,0向量2: 1,1,0,0,0,0
它们的相似程度为: 0.5
如何在Java中修改hashCode()方法，使相似度为0.5及以上的向量能够进入同一个桶/或相同的哈希码中？
注意:我不做它的最小散列lsh和候选对的方式。它必须只使用向量本身生成哈希码。
目标不是完美地完成它(这是不可能的)，而是尽可能准确地完成它。
在这种情况下，向量A和B，B和C可以一起，而A和C不能。散列函数必须将其映射到A和B，或者B与C，或者只是A
浏览 8提问于2022-10-24得票数 -1
2回答
我想根据标准代码列表的存在/不存在来计算两个数据集之间的Jaccard相似性。例如(x，y，z是数据集)：数据集x和y没有任何标准代码(Null)，因此我将列表值设置为零。
x = [0,0,0]
y = [0,0,0]
z = [0,1,0]
from sklearn.metrics import jaccard_similarity_score
jaccard_similarity_score(x,y),jaccard_similarity_score(x, z)
X和z之间的Jaccard sim为0.66 (2/3)。是否存在处理两个空集之间集交集的相似性度量？在我的例子
浏览 4提问于2016-11-30得票数 3
回答已采纳
3回答
我试图通过比较主题列表来计算书籍的相似度。 需要从0-1之间的2个列表中获得相似度分数。 示例： book1_topics = ["god", "bible", "book", "holy", "religion", "Christian"]
book2_topics = ["god", "Christ", "idol", "Jesus"] 尝试使用wordnet，但不确定如何计算分数。 有什么建议吗？
浏览 59提问于2021-04-02得票数 1
2回答
我读了一个维基，它描述了Jaccard索引，并将Tanimoto分数解释为扩展的Jaccard索引，但它到底想做什么？
它与其他相似性分数有什么不同？
什么时候使用？
谢谢
浏览 1提问于2010-12-30得票数 3
我试图计算R上的Jaccard索引，以测试布尔数据之间的相似性。我试过使用Jaccard库，但是如果我用
e=c(1,1,1,0,0,0)
f=c(1,1,1,0,0,0)
g= c(TRUE, FALSE, FALSE, TRUE, TRUE)
h= c(TRUE, FALSE, FALSE, TRUE, TRUE)
jaccard.test(e,f,method = "mca")
jaccard.test(g,h,method="mca")
我获得作为输出
> jaccard.test(e,f,method = "mca")
$stat
浏览 5提问于2022-03-14得票数 1
回答已采纳
我有一个巨大的列表(包含250,000字)，这是一个独特的词。(比方说list1)
我还有另一张名单，里面有5个拼错的单词。(比方说list2)
我需要找到jaccard的相似性(基于变化的ngram)。在两个列表之间，并从list1返回最接近的匹配单词。通过我在这个网站上找到的几个答案，我能够：
通过一个函数将两个列表拆分为ngram。
计算第二个列表的第一个元素和第一个列表的jaccard相似度。
这是给我一个有效的答案。但是，我无法在此基础上从list1返回最接近匹配的单词。我知道我需要将ngram函数应用到我的list1的每个元素。然后用list2计算jaccard相似
浏览 4提问于2020-06-03得票数 0
1回答
我正在为一个项目收集数据。数据收集是通过记录受试者和环境的视频来完成的。然而，在训练网络时，我不想用视频序列中收集的所有图像来训练它。
主要目标是不使用冗余图像训练网络。以30帧/秒采集的视频序列可能在短间隔内具有冗余图像(非常相似的图像)。T(th)帧和(T+1)帧可以是相似的。
有人能建议只提取对训练有用的图像的方法吗？
浏览 4提问于2020-09-03得票数 0
1回答
我的同事和我(都是机械工程师)喜欢学习python并解决新的有趣的问题。
我们的问题：，我们希望分析组件的价值流(> 50.000)，并根据它们的价值流的相似性对它们进行分组。
举个例子，假设我们有三种材料A、B和C，它们的数据如下：
A= 610384,521056,112200,194825633，45
B= 10389,462,1028503
C= 10389,462,1028503,112200，45,194825633
每个数组表示一个值流，每个元素表示值流中的每台机器。例如，要生产，必须运行5台以上的机器。"610384“是值流中第一台机器的数目。如您所见，A和B与C
浏览 2提问于2019-11-19得票数 0
1回答
我想计算两列的Jaccard相似度，我不认为PySpark中有这样的函数。我不确定计算它的最好方法是什么。 例如，假设我们有1个数据帧，如下所示： | str1 | str2 |
===============
| hi | h |
| me | p | 这些列都是Stringtype，最终结果应该如下所示： | str1 | str2 | jaccard |
=========================
| hi | h | 0.5 |
| me | p | 0 | 我像这样写了一个udf，但是它不工作。我对Spark还很陌
浏览 19提问于2019-09-01得票数 0
我有一个数据帧，其中user_ids作为列，他们喜欢的电影的ids作为行值。下面是一段代码：
15 30 50 93 100 113 1008 1028
0 3346.0 42779.0 1816.0 191319.0 138.0 183.0 171.0 283.0
1 1543.0 NaN 169.0 5319.0 34899.0 188.0 42782.0 1183.0
2 5942.0 NaN 30438.0
浏览 7提问于2017-08-15得票数 1
回答已采纳
1回答
数据上jaccard相似度的计算
、、、、
自学成才的python，我正在努力提高，所以任何帮助都是非常欢迎的，谢谢！我希望通过在另一列上匹配条件来计算数据中某一列上的jaccard相似性。df看起来如下：
name bag number item quantity
sally 1 BANANA 3
sally 2 BREAD 1
franck 3 BANANA 2
franck 3
浏览 1提问于2020-11-04得票数 2
回答已采纳
我希望你能帮助我解决一个我正在苦思冥想的问题。
我有一个包含三列的data.frame：appl、cod、ipc。此数据集具有多个具有相同appl的行，每行对应于与一个ipc关联的一个cod。后者可以是一个或多个值的列表。appl和cod是整数值。一个例子
row appl cod ipc
11 | 1206 | 3857183 | 16
12 | 1220 | 1063002 | 29
13 | 1299 | 46437 | c("26", "31", "33")
14 | 1317
浏览 1提问于2015-10-16得票数 0
1回答
我想从我的数据库中删除类似的数据。现在我可以从我的数据库中删除重复的数据并保留一个。
$sql = "UPDATE `clf_ads` SET `enabled`= '0' WHERE adid NOT IN (SELECT * FROM (SELECT MAX(adid) FROM clf_ads GROUP BY adtitle) x)";
if ($conn->query($sql) === TRUE) {
echo "Record deleted successfully";
} else {
echo "Error de
浏览 13提问于2018-12-11得票数 0
1回答
如何在矩阵中找到相似性？
、、、、
我有一个很大的矩阵(10*10k)。我想知道是否有一种方法可以找到行之间的相似性。
让我们给出一个矩阵的例子: 4*5
col1 col2 col3 col4
0 0 1 0
2 3 4 5
2 3 2 3
0 0.1 1 0
0 0 1 0
我想知道是否有一种统计理论来确定数据之间的相似性。
行1是100%像行5，行2是50%像行3
但是我如何处理彼此接近的数字呢？
第4行和第5行的值几乎相同。同样，我们如何才能找到一种计算相似概率的方法？在python，numpy，sc
浏览 2提问于2014-04-22得票数 0
1回答
我想测量熊猫DataFrame中文本之间的jaccard相似性。更确切地说，我有一些实体组，在一段时间内，每个实体都有一些文本。我想分析文本的相似性(在这里的Jaccard相似性)随着时间的推移，分别为每个实体。
举一个很小的例子来说明我的观点：
import pandas as pd
entries = [
{'Entity_Id':'Firm1', 'date':'2001-02-05', 'text': 'This is a text'},
{'Entity_Id&
浏览 6提问于2017-09-26得票数 5
Jaccard相似度和余弦相似度是比较项目相似性时常用的两种度量方法。然而，在哪种情况下哪一种比另一种更可取，我并不十分清楚。
有人能帮助澄清这两种测量方法的差异(概念或原理的差异，而不是定义或计算)及其更好的应用吗？
浏览 0提问于2015-02-12得票数 39
回答已采纳
我正在尝试获取从书籍中提取的两个关键字字符串之间的jaccard距离。由于某些原因，函数几乎总是输出1.0
下面是我对关键字进行预处理的方法：
def preprocess(text):
# make sure to use the right encoding
text = text.encode("utf-8")
# remove digits and punctuation
text = re.sub('[^A-Za-z]+', ' ', text)
# remove duplicate words
浏览 27提问于2019-07-23得票数 0
回答已采纳
假设我在O(D*sqrt(D))时间内预处理了一百万个文档(使用minhash计算签名)，其中D是文档的数量。当我得到一个查询文档时，我必须在O(sqrt(D))时间内返回一百万个预处理文档中的第一个，使得jaccard相似度大于或等于0.8。
如果没有与查询文档足够相似的文档达到该分数，我必须返回一个相似度至少为c* 0.8 (其中c<1)且概率至少为1- 1/e^2的文档。如何找到此minhash方案的最大C值？
浏览 5提问于2017-11-23得票数 0
我计划在Twitter上编写一个主题检测工具。我一直在考虑两个tweet之间的一个很好的相似性度量(距离)，以及如何表示它们，包括：
#hashtags (我认为在Twitter上检测主题时，哈希标签非常重要)
回复(如果有人回复一条推文，这些推文可能是在谈论同一个话题，尽管两个人可能开始谈论三星星系，结束谈论iphone越狱等等)。
我正在考虑实现到目前为止我所拥有的，并做一些实验。我将实现经典模型(如TF*IDF，并使用欧几里德距离、角度余弦等)，以及具有几个相似度量(Hamming、Jaccard等)的布尔模型。
对于如何使一些现有的模型适应Twitter，或者如何创建一
浏览 2提问于2013-02-06得票数 6
2回答
我试图理解类型为double的两个数组之间的"Jaccard相似性“，它们的值大于零，而值小于1。
到目前为止，我已经搜索了许多网站，但我发现这两个数组应该是相同的大小(数组1中的元素数应该等于数组2中的元素数)。但我在两个数组中都有不同数量的元素。有没有实现"jaccard相似性“的方法？
浏览 5提问于2015-05-06得票数 2
回答已采纳
总的来说，我是DataScience/Pandas的新手。我主要关注的推荐系统。
我的主要不同之处在于，我的电影数据是从一个表开始的，我希望从该列表中找到与特定电影最相似的电影。
初始数据帧如下所示：
然后我将其转换为稀疏数据帧，其中可以显示用户对每部电影的评分：
rating_with_totalRatingCount = rating_with_totalRatingCount.drop_duplicates(['userID', 'movieTitle'])
ratingPivot = rating_with_totalRatingCount.piv
浏览 0提问于2020-05-04得票数 0
我正在为一个集合构建一个文档相似图。我已经做了所有的基本工作，如标记化，词干，停止字删除，和包字表示，以表示文档和计算相似度使用Jaccard系数。我现在正在尝试提取命名实体，并评估这些是否有助于提高文档相似度图的质量。我花了很多时间为我的分析寻找真实的数据集。我对消息理解会议(MUC)的数据集感到非常失望。它们很难理解，需要充分的数据清理/按摩才能在不同的平台上使用(比如Scala)。
我的问题在这里更具体
是否有教程介绍如何开始使用MUC数据集，以便更容易地使用openNLP等开源NLP工具分析结果？
还有其他可用的数据集吗？
像OpenNLP和Stanford这样的工具采用了
浏览 1提问于2015-02-24得票数 0
我现在对算法的概念有一个问题。我想创建一个WYSIWYG编辑器，它与我现有的bbcode编辑器一起使用。
为此，我为WYSIWYG编辑器使用了一个contenteditable设置为true的div和一个包含相关bbcode的textarea。在此之前，没有问题。但我担心的是，如果用户想要添加标记(例如，[b]标记)，我需要知道他们想要将其包含在何处。
为此，我需要确切地知道应该在bbcode中的什么位置插入标记。我想比较一下这两个文本(一个使用<span>这样的html标签，另一个使用[b]这样的bbcode标签)，这就是我在努力的地方。
我做了一些研究，但找不到任何对我有帮助的
浏览 0提问于2018-08-27得票数 0
我读了Levy等人的论文“”，在讨论他们的超参数时，他们说：
向量归一化()如第二节所述，所有向量(即W行)都归一化为单位长度(L2归一化)，使点积运算等价于余弦相似。
然后，我回顾了R- sim2包中text2vec向量相似函数的默认值是L2-范数向量，首先：
sim2(x, y = NULL, method = c("cosine", "jaccard"), norm = c("l2", "none"))
因此，我想知道，这其中的动机是什么，规范化和余弦(无论是在text2vec还是一般情况下)。我试着阅读L2范数，但
浏览 4提问于2018-07-11得票数 6
回答已采纳
我有两个长度不等的张量(一维整数数组)，我想在PyTorch中计算它们之间的jaccard相似性。
这就是纯python代码的样子
def js(list1, list2):
intersection = len(list(set(list1).intersection(list2)))
union = (len(set(list1)) + len(set(list2))) - intersection
return float(intersection) / union
这就是py手电版本的样子(仅对相同长度的数组有效)。
def js_pt(list1, list2
浏览 11提问于2022-06-15得票数 -1
1回答
我的树的结构很简单，深度是2，每个子节点都是根的直接子节点，除了根之外，每个节点都有一个权重。有没有好的方法来衡量两棵树的相似性？
这是最初的问题：
假设你有一个关于你读过的书的数据列表。该列表包含类似于哈希表的键和值。键是图书类别，值是您在当前类别下阅读的图书数量。所以每个人都有这个数据列表，我想根据这个数据列表来比较两个用户的相似度。我知道协作过滤可以做到这一点，但我正在尝试这种方式，并将其与cf进行比较。
因此，我将数据列表视为一棵加权树。类别是子节点，每个子节点的权重是该类别在用户账簿中出现的次数。
相似度与协同过滤中两个用户的相似度相似。这是个数字。
浏览 0提问于2012-05-12得票数 1
回答已采纳
1回答
从大型文本语料库构建图表
、、、、
我得到了大量的文件，我应该对这些文件进行各种分析。由于文档将作为最终产品的基础，所以我考虑用这个文本语料库构建一个图表，每个文档对应于一个节点。
构建图形的一种方法是使用模型(如use )首先查找文本嵌入，然后在相似度超过给定阈值的两个节点(文本)之间形成一个链接。然而，我认为最好使用一种基于纯文本相似性度量的算法，即不将文本“转换”为嵌入的算法。和以前一样，如果两个节点(文本)的文本相似性超过了给定的阈值，我将在它们之间形成一个链接。现在，问题是:衡量两种文本相似性的最简单方法是什么，更复杂的方法是什么？我想先从这两篇文章中提取关键词，然后计算Jaccard索引。
任何关于如何实现这一目标的
浏览 0提问于2022-05-21得票数 1
回答已采纳
1回答
我正在构建一个模型，根据上下文从时间帧开始播放视频。比如播放电影的高潮，从59分钟开始播放。
我正在使用视频的字幕，并匹配特定序列中的文本，并确定时间帧。我正在尝试寻找具有真实表达式的精确单词，$$not so effective$$。我偶然发现了word2vec，它可以找到余弦相似的相似单词。
浏览 2提问于2019-05-10得票数 0
1回答
我所需要的
我正在寻找非常快速和准确的方法，以找到Jaccard在多个巨大数据集之间的相似性。我可以有多达10.000-20.000的运算来计算Jaccard的相似性。由于需要计算所有Jaccard相似之处，我无法在安静的冬夜用缓慢的算法在后台计算它们。
我认为有两种可能的解决办法：
解决方案1
使用MinHash算法。这个解决方案的问题是它非常慢。要获得10%的错误，需要使用100个散列函数。我在这里看到的唯一解决办法是用单个“昂贵”哈希函数散列所有东西，而不是在散列结果上使用100个“廉价”哈希函数。但我没有足够的数学背景来自己选择。
问题1
如何为MinHash选择高效的哈希函数集，最大
浏览 6提问于2017-04-03得票数 2
我的Neo4j图中有多个节点。我想在任意两个节点之间创建关系，当且仅当它们在属性上的Jaccard相似度高于某个阈值alpha时。 考虑两个节点： Node 1: {id:1, abc: 1.1, eww: -9.4, ssv: "likj"}
Node 2: {id:2, we2: 1, eww: 900}
Node 3: {id:3, kuku: -91, lulu: 383, ssv: "bubu"} 因此Node1和Node2在属性上的相似度应该是：(交集=) 2/ (并集=) 5= 0.4 我如何在Neo4j中做到这一点？我知道有一个Jaccard相
浏览 52提问于2021-11-08得票数 1
回答已采纳
当我试图使用sim2()从text2vec包创建一个Jaccard相似矩阵时，我被一个奇怪的性能问题弄糊涂了。我有一个稀疏矩阵21万x 500，我想得到Jaccard相似矩阵，如前所述。当我直接尝试在sim2函数中使用矩阵时，它需要超过30分钟，并在错误消息中删除。
这是我使用的R脚本：
library(text2vec)
JaccSim <- sim2(my_sparse_mx, method = "jaccard", norm = "none") # doesn't work
这是运行脚本半小时后收到的错误消息：
Cholmod错误“问题太
浏览 3提问于2017-06-23得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
