什么是Jaccard 相似度(Jaccard Similarity)

文章目录

      • [✅ 定义:](#✅ 定义:)
      • [📌 取值范围:](#📌 取值范围:)
      • [🔍 举例说明:](#🔍 举例说明:)
      • [🧠 应用场景:](#🧠 应用场景:)
      • [⚠️ 局限性:](#⚠️ 局限性:)
      • [💡 扩展概念:](#💡 扩展概念:)

Jaccard 相似度(Jaccard Similarity) 是一种用于衡量两个集合之间相似程度的指标,广泛应用于信息检索、文本挖掘、推荐系统和自然语言处理等领域。


✅ 定义:

给定两个集合 A A A 和 B B B,Jaccard 相似度定义为它们的交集大小与并集大小的比值:

Jaccard Similarity ( A , B ) = ∣ A ∩ B ∣ ∣ A ∪ B ∣ \text{Jaccard Similarity}(A, B) = \frac{|A \cap B|}{|A \cup B|} Jaccard Similarity(A,B)=∣A∪B∣∣A∩B∣

  • ∣ A ∩ B ∣ |A \cap B| ∣A∩B∣:集合 A A A 和 B B B 中共同元素的数量
  • ∣ A ∪ B ∣ |A \cup B| ∣A∪B∣:集合 A A A 和 B B B 中所有不同元素的总数

📌 取值范围:

  • Jaccard 相似度的取值范围在 0 到 1 之间:
    • 0:表示两个集合没有交集,完全不相似;
    • 1:表示两个集合完全相同,完全相似。

🔍 举例说明:

假设:

  • A = { apple , banana , orange } A = \{\text{apple}, \text{banana}, \text{orange}\} A={apple,banana,orange}
  • B = { banana , grape , orange , pear } B = \{\text{banana}, \text{grape}, \text{orange}, \text{pear}\} B={banana,grape,orange,pear}

那么:

  • A ∩ B = { banana , orange } A \cap B = \{\text{banana}, \text{orange}\} A∩B={banana,orange} → 大小为 2
  • A ∪ B = { apple , banana , orange , grape , pear } A \cup B = \{\text{apple}, \text{banana}, \text{orange}, \text{grape}, \text{pear}\} A∪B={apple,banana,orange,grape,pear} → 大小为 5

计算:

Jaccard Similarity ( A , B ) = 2 5 = 0.4 \text{Jaccard Similarity}(A, B) = \frac{2}{5} = 0.4 Jaccard Similarity(A,B)=52=0.4


🧠 应用场景:

  1. 文本相似度比较:将两段文本视为词集合,计算它们的 Jaccard 相似度,判断内容是否相似。
  2. 关键词匹配:比较两个文档或查询的关键词集合之间的重合度。
  3. 推荐系统:评估用户兴趣集合之间的相似性。
  4. 模型输出分析:如你之前提到的内容中,用来比较 LLM 不同层前后映射出的 top-k token 的变化情况。
  5. 数据去重/聚类:识别重复或高度相似的数据项。

⚠️ 局限性:

  • 不考虑频率:Jaccard 只关心元素是否存在,不考虑出现次数(即它是基于集合而不是多重集合或多袋模型 bag-of-words)。
  • 对大规模集合计算效率低:当集合很大时,计算交集和并集可能较慢。

💡 扩展概念:

  • Jaccard 距离 :用来衡量两个集合的不相似程度,公式为:
    Jaccard Distance = 1 − Jaccard Similarity \text{Jaccard Distance} = 1 - \text{Jaccard Similarity} Jaccard Distance=1−Jaccard Similarity

  • Tanimoto 系数:有时也被称作 Jaccard 相似度,但通常用于向量空间中的一种扩展形式。

相关推荐
2zcode5 小时前
基于Matlab的深度学习智能行人检测与统计系统
人工智能·深度学习·目标跟踪
zzywxc7877 小时前
PyTorch分布式训练深度指南
人工智能·pytorch·分布式·深度学习·wpf·技术栈深潜计划
DeniuHe7 小时前
Pytorch实现一个简单的贝叶斯卷积神经网络模型
pytorch·深度学习·机器学习
老鱼说AI7 小时前
Vision Transformer(ViT)模型实例化PyTorch逐行实现
pytorch·深度学习·transformer
FL16238631297 小时前
使用yolo11训练饮料瓶盖缺陷检测质量检测数据集VOC+YOLO格式1432张5类别步骤和流程
深度学习·yolo·机器学习
老鱼说AI7 小时前
Vision Transformer (ViT) 详解:当Transformer“看见”世界,计算机视觉的范式革命
人工智能·深度学习·transformer
Hygge-star8 小时前
【Excel】利用函数和Power Query进行数据分析
数据挖掘·数据分析·excel
Sunhen_Qiletian8 小时前
NumPy库学习(三):numpy在人工智能数据处理的具体应用及方法
人工智能·深度学习·神经网络·机器学习·计算机视觉·numpy
lingling0099 小时前
生物医药研究数据分析工具测评:衍因科技如何重塑科研范式?
科技·数据挖掘·数据分析
终将超越过去10 小时前
分类-鸢尾花分类
人工智能·分类·数据挖掘