前言

NLP-字符串相似性計算、集合相似性度量

提示：以下是本篇文章正文內容，下面案例可供參考

杰卡德距離是什么？

杰卡德距離(Jaccard Distance) 是用來衡量兩個集合差異性的一種指標，它是杰卡德相似系數的補集，被定義為1減去Jaccard相似系數。而杰卡德相似系數(Jaccard similarity coefficient)，也稱杰卡德指數(Jaccard Index)，是用來衡量兩個集合相似度的一種指標。

定義

Jaccard相似指數用來度量兩個集合之間的相似性，它被定義為兩個集合交集的元素個數除以并集的元素個數。

Jaccard距離用來度量兩個集合之間的差異性，它是Jaccard的相似系數的補集，被定義為1減去Jaccard相似系數。

Python實現

代碼如下：

# -*- encoding:utf-8 -*-
import jieba
def Jaccard(model, reference):  # terms_reference為源句子，terms_model為候選句子
    terms_reference = jieba.cut(reference)  # 默認精準模式
    terms_model = jieba.cut(model)
    grams_reference = set(terms_reference)  # 去重；如果不需要就改為list
    grams_model = set(terms_model)
    temp = 0
    for i in grams_reference:
        if i in grams_model:
            temp = temp + 1
    fenmu = len(grams_model) + len(grams_reference) - temp  # 并集
    try:
        jaccard_coefficient = float(temp / fenmu)  # 交集
    except ZeroDivisionError:
        print(model, reference)
        return 0
    else:
        return jaccard_coefficient

環比是什么？

環比的發展速度是報告期水平與前一時期水平之比，表明現象逐期的發展速度。如計算一年內各月與前一個月對比，即2月比1月，3月比2月，4月比3月……12月比11月，說明逐月的發展程度。如分析抗擊“非典”期間某些經濟現象的發展趨勢，環比比同比更說明問題。

學過統計或者經濟知識的人都知道，統計指標按其具體內容、實際作用和表現形式可以分為總量指標、相對指標和平均指標。由于采用基期的不同，發展速度可分為同比發展速度、環比發展速度和定基發展速度。簡單地說，就是同比、環比與定基比，都可以用百分數或倍數表示。
定基比發展速度，也簡稱總速度，一般是指報告期水平與某一固定時期水平之比，表明這種現象在較長時期內總的發展速度。同比發展速度，一般指是指本期發展水平與上年同期發展水平對比，而達到的相對發展速度。環比發展速度，一般是指報告期水平與前一時期水平之比，表明現象逐期的發展速度。
同比和環比，這兩者所反映的雖然都是變化速度，但由于采用基期的不同，其反映的內涵是完全不同的；一般來說，環比可以與環比相比較，而不能拿同比與環比相比較；而對于同一個地方，考慮時間縱向上發展趨勢的反映，則往往要把同比與環比放在一起進行對照。 [1]

Python實現

代碼如下：

def month_on_month_ratio(data_list):
? ? mid = 0
? ? length = len(data_list)
? ? res = []
? ? while mid < length-1:
? ? ? ? a, b = data_list[mid:mid+2]
? ? ? ? res.append((b-a)/a)
? ? ? ? mid += 1
? ? return res