在Python中计算多个词典上的Jaccard相似度?

Computing Jaccard similarity on multiple dictionaries in Python?(在Python中计算多个词典上的Jaccard相似度?)

本文介绍了在Python中计算多个词典上的Jaccard相似度?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我有一本词典是这样的:

my_dict = {'Community A': ['User 1', 'User 2', 'User 3'],
           'Community B': ['User 1', 'User 2'],
           'Community C': ['User 3', 'User 4', 'User 5'],
           'Community D': ['User 1', 'User 3', 'User 4', 'User 5']}

我的目标是对不同社区及其独特用户集之间的网络关系进行建模,以查看哪些社区最相似。目前,我正在探索使用Jaccard相似性。

我遇到过执行类似操作的答案,但只在两本词典上;在我的情况下,我有几本词典,需要计算每组词典之间的相似度。

另外,有些列表的长度不同:在其他答案中,我将0subin视为该情况下的缺失值,我认为这在我的情况下是可行的。

推荐答案

您需要的是Jaccard相似性矩阵。如果您希望通过元组(GroupA、GroupB)进行索引,则可以将它们存储为词典。

下面是一个简单的实现

def jaccard(first, second):
    return len(set(first).intersection(second)) / len(set(first).union(second))

keys = list(my_dict.keys())
result_dict = {}

for k in keys:
    for l in keys:
        result_dict[(k,l)] = result_dict.get((l,k), jaccard(my_dict[k], my_dict[l]))

则结果词典如下所示

print(result_dict)
{('Community A', 'Community A'): 1.0, ('Community A', 'Community B'): 0.6666666666666666, ('Community A', 'Community C'): 0.2, ('Community A', 'Community D'): 0.4, ('Community B', 'Community A'): 0.6666666666666666, ('Community B', 'Community B'): 1.0, ('Community B', 'Community C'): 0.0, ('Community B', 'Community D'): 0.2, ('Community C', 'Community A'): 0.2, ('Community C', 'Community B'): 0.0, ('Community C', 'Community C'): 1.0, ('Community C', 'Community D'): 0.75, ('Community D', 'Community A'): 0.4, ('Community D', 'Community B'): 0.2, ('Community D', 'Community C'): 0.75, ('Community D', 'Community D'): 1.0}

其中对角线元素显然是单位。

解释 get函数检查是否已计算该对,否则它将执行计算

这篇关于在Python中计算多个词典上的Jaccard相似度?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!

本文标题为:在Python中计算多个词典上的Jaccard相似度?

基础教程推荐