我需要在Lucene中使用Jaccard similarity over n-gram计算查询和文档的相似度。由于Jaccard相似性是IR中一个非常常见的度量，我希望找到一个Lucene实现，但我不能。有没有人知道这样的实施？
bksxznpy1#
我所知道的唯一一个可以与Lucene轻松集成的实现是来自LingPipe的实现（请注意，它只对非商业/研究用途免费）。Here是一篇展示如何在LingPipe中使用它的博客文章。有关如何连接两个库的详细说明，请访问LingPipe网站和this book。但是我还没有评估过，如果你自己集成一些其他的实现不会更容易（也是从许可证的Angular 来看）--这只是一个对我有效的解决方案。
6rqinv9w2#
试试这个库http://sourceforge.net/projects/simmetrics/，你会发现更多的相似函数。但是我会推荐你使用来自http://secondstring.sourceforge.net/的SoftTFIDF，根据“名称匹配任务的字符串距离比较”，它具有最好的精确度/召回率。William W. Cohen和其他人。
2条答案
按热度按时间bksxznpy1#
我所知道的唯一一个可以与Lucene轻松集成的实现是来自LingPipe的实现（请注意，它只对非商业/研究用途免费）。Here是一篇展示如何在LingPipe中使用它的博客文章。有关如何连接两个库的详细说明，请访问LingPipe网站和this book。
但是我还没有评估过，如果你自己集成一些其他的实现不会更容易（也是从许可证的Angular 来看）--这只是一个对我有效的解决方案。
6rqinv9w2#
试试这个库http://sourceforge.net/projects/simmetrics/，你会发现更多的相似函数。但是我会推荐你使用来自http://secondstring.sourceforge.net/的SoftTFIDF，根据“名称匹配任务的字符串距离比较”，它具有最好的精确度/召回率。William W. Cohen和其他人。