标签: similarity

如何在Python中获得字符串与另一个字符串类似的概率？

我想获得像0.9(意味着90%)等十进制值.最好使用标准的Python和库.

例如

similar("Apple","Appel") #would have a high prob.

similar("Apple","Mango") #would have a lower prob.

我正在寻找一种字符串相似度算法,它可以在变长字符串上产生比通常建议的更好的结果(levenshtein距离,soundex等).

例如,

鉴于字符串A:"罗伯特",

然后是字符串B:"Amy Robertson"

会比一个更好的比赛

字符串C:"理查德"

此外,优选地,该算法应该是语言不可知的(也可以用于除英语之外的语言).

OpenCV是否支持两个图像的比较,返回一些值(可能是百分比),表示这些图像有多相似？例如,如果相同的图像被传递两次将返回100%,如果图像完全不同则将返回0%.

我已经在StackOverflow上阅读了很多类似的主题.我也做了一些谷歌搜索.可悲的是,我无法想出一个令人满意的答案.

从Python:tf-idf-cosine:为了找到文档相似性,可以使用tf-idf余弦计算文档相似度.没有导入外部库,是否有任何方法可以计算2个字符串之间的余弦相似度？

s1 = "This is a foo bar sentence ."
s2 = "This sentence is similar to a foo bar sentence ."
s3 = "What is this string ? Totally not related to the other two lines ."

cosine_sim(s1, s2) # Should give high cosine similarity
cosine_sim(s1, s3) # Shouldn't give high cosine similarity value
cosine_sim(s2, s3) # Shouldn't give high cosine similarity value

如何查询按相似性排序的记录？

例如.搜索"股票溢出"将返回

1. 堆栈溢出
2. SharePoint溢出
3. 数学溢出
4. 政治溢出
5. VFX溢出

例如.搜索"LO"将返回:

1. 巴勃罗毕加索
2. 米开朗基罗
3. 杰克逊pollock

我需要帮助的是:

1. 使用搜索引擎索引和搜索MySQL表,以获得更好的结果

   • 使用Sphinx搜索引擎,使用PHP

   • 使用带有PHP 的Lucene引擎

2. 使用全文索引,查找类似/包含的字符串

什么不好用

• Levenshtein距离非常不稳定.(UDF,查询)
  搜索"狗"给了我:
  1. 狗
  2. 沼泽
  3. 前
  4. 大
  5. 回声
• LIKE 返回更好的结果,但对于长查询不返回任何内容,尽管存在类似的字符串
  1. 狗
  2. dogid
  3. dogaral
  4. 教条

我正在寻找一种方法来比较字符串和字符串数组.当然,进行精确搜索非常容易,但我希望我的程序能够容忍拼写错误,缺少部分字符串等等.

是否有某种框架可以执行这样的搜索？我有一些想法,搜索算法将返回一些结果顺序的匹配百分比或类似的东西.

我在数据库中有很多文章(标题,文字),我正在寻找一种算法来找到X最相似的文章,比如Stack Overflow的"相关问题",当你提出问题时.

我尝试谷歌搜索,但只找到关于其他"类似文本"问题的页面,比如将每篇文章与所有其他文章进行比较并在某处存储相似性.因此,我只是在我刚输入的文本上"实时"执行此操作.

怎么样？

我需要计算2个字符串之间的相似度.那究竟是什么意思呢？让我用一个例子来解释一下:

• 真实的一句话: hospital
• 误区: haspita

现在我的目标是确定修改错误单词以获得真实单词所需的字符数.在这个例子中,我需要修改2个字母.那么百分比是多少？我总是把真正的词长度.因此它变为2/8 = 25%所以这两个给定的字符串DSM是75%.

如何以性能为关键考虑因素来实现这一目标？

我花了很多时间研究一个允许我用Java比较图像的库.

我真的没有找到任何有用的东西,也许我的GoogleSearch技能不够高,所以我想我会问你们,如果你能指出我可以找到类似这样的方向.

基本上我想要做的是将两个图像相互比较,得到两个相似的值.像一个百分比左右.

我希望你们有一些我可以使用的东西,我不知道怎么写自己这样的东西......

PS:它不一定是Java,只是我的应用程序将运行的环境.

给定稀疏矩阵列表,计算矩阵中每列(或行)之间的余弦相似度的最佳方法是什么？我宁愿不迭代n次选择两次.

说输入矩阵是:

A= 
[0 1 0 0 1
 0 0 1 1 1
 1 1 0 1 0]

稀疏表示是:

A = 
0, 1
0, 4
1, 2
1, 3
1, 4
2, 0
2, 1
2, 3

在Python中,使用矩阵输入格式很简单:

import numpy as np
from sklearn.metrics import pairwise_distances
from scipy.spatial.distance import cosine

A = np.array(
[[0, 1, 0, 0, 1],
[0, 0, 1, 1, 1],
[1, 1, 0, 1, 0]])

dist_out = 1-pairwise_distances(A, metric="cosine")
dist_out

得到:

array([[ 1.        ,  0.40824829,  0.40824829],
       [ …