자바 알고리즘 의 코사인 싱크로 율 계산 문자열 싱크로 율
기능 수요:최근 파충류 기술 을 통 해 각 관련 사이트 의 뉴스 를 찾 아 회사 데이터 에 저장 하고 있다.이 안 에는 네가 이미 기어 올 라 간 뉴스 와 비슷 한 뉴스 를 어떻게 보장 하 느 냐 하 는 기술 점 이 있다.
또는 같은 뉴스 는 데이터베이스 에 저장 되 지 않 습 니 다.다른 사이트 의 뉴스 를 인용 하거나 다른 사이트 의 뉴스 를 가 져 와 내용 을 조금 만 고치 면 자신의 사이트 에 올 리 기 때문이다.
해석 방안:최종 적 으로 코사인 싱크로 율 알고리즘 을 사용 하여 두 뉴스 본문의 싱크로 율 을 계산 하 는 것 이다.이제 스스로 블 로 그 를 써 서 정리 하 세 요.
이론 지식
먼저 블 로 그 를 추천 합 니 다.코사인 싱크로 율 알고리즘 에 대한 이론 이 비교적 명확 하고 우리 도 이 방식 에 따라 싱크로 율 을 계산 합 니 다.사이트 주소:싱크로 율 알고리즘 의 코사인 싱크로 율.
1.용건 만 말 하기
내 쪽 에 서 는 먼저 두 문자열 의 싱크로 율 을 계산 하 는 이론 지식 을 다시 한 번 정리한다.
(1)우선 벡터 를 통 해 인식도 공식 을 계산 하 는 것 을 알 아야 한다.
(2)알 겠 습 니 다.코사인 값 이 1 에 가 까 울 수록 두 개의 벡터 가 비슷 합 니 다.이것 을'코사인 유사 성'이 라 고 합 니 다.
코사인 값 이 0 에 가 까 울 수록 두 벡터 가 비슷 하지 않다 는 것 이다.즉,이 두 문자열 이 비슷 하지 않다 는 것 이다.
2.사례 이론 지식
예 를 들 어 상술 한 이론 으로 텍스트 의 유사 성 을 계산한다.간단 한 견 해 를 위해 서 먼저 문장 부터 시작 하 다.
문장 A:이 가죽 부츠 는 사이즈 가 커 요.그 번호 가 맞습니다.
문장 B:이 가죽 부츠 의 번 호 는 작 지 않 아 요.저것 이 더 잘 어 울 려 요.
어떻게 위의 두 말의 유사 도 를 계산 합 니까?
기본 적 인 사 고 는 이 두 마디 의 단어 가 비슷 할 수록 내용 이 비슷 해 야 한 다 는 것 이다.따라서 단어의 주파수 에 착안 하여 그것들의 유사 도 를 계산 할 수 있다.
첫걸음
문장 A:이/가죽 부츠/번호/커 요.저것/번호/적당 합 니 다.
문장 B:이/가죽 부츠/번호/아니오/작 습 니 다.
두 번 째 단 계 는 단어의 주파 수 를 계산한다.단어 마다 나타 나 는 빈도)
문장 A:이 부츠 는 1,가죽 부츠 1,번호 2,커 요.저것 은 1,적당 하 다 1,아니 0,작다 0,더 0.
문장 B:이 부츠 1,가죽 부츠 1,번호 1,0 이 커 요.그 마리 1,적당 하 다 1,아니 1,작다 1,더 1
세 번 째 단 계 는 단어의 주파수 벡터 를 쓴다.
문장 A:(1,1,2,1,1,0,0,0)
문장 B:(1,1,1,0,1,1,1,1,1)
네 번 째 단계:위의 공식 을 활용 하여 다음 과 같이 계산한다.
계산 결과 협각 의 코사인 수 치 는 0.81 로 1 에 매우 가 깝 기 때문에 위의 문장 A 와 문장 B 는 기본적으로 비슷 하 다.
2.실제 개발 사례
나 는 우리 의 실제 개발 과정 에서 문자열 유사 율 계산 코드 를 공유 했다.
1、pom.xml
주요 jar 가방 보 여주 기
<!-- -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.5</version>
</dependency>
<!--bean -->
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
</dependency>
<!-- , -->
<dependency>
<groupId>com.hankcs</groupId>
<artifactId>hanlp</artifactId>
<version>portable-1.6.5</version>
</dependency>
2.main 방법
/**
*
*/
public class Similarity {
public static final String content1=" , , , ";
public static final String content2=" , , ";
public static void main(String[] args) {
double score=CosineSimilarity.getSimilarity(content1,content2);
System.out.println(" :"+score);
score=CosineSimilarity.getSimilarity(content1,content1);
System.out.println(" :"+score);
}
}
실행 결 과 를 먼저 봅 니 다:실행 결 과 를 통 해 다음 과 같은 결 과 를 얻 을 수 있 습 니 다.
(1)첫 번 째 비교 유사 율 은 0.772853(이 두 문장 이 비슷 하 다 는 뜻)이 고 두 번 째 비교 유사 율 은 1.0(설명 이 똑같다)이다.
(2)우 리 는 이 문장의 분사 효 과 를 볼 수 있 고 그 다음은 품사 성 이다.
3.Tokenizer(단어 도구 클래스)
import com.hankcs.hanlp.HanLP;
import com.hankcs.hanlp.seg.common.Term;
import java.util.List;
import java.util.stream.Collectors;
/**
* */
public class Tokenizer {
/**
* */
public static List<Word> segment(String sentence) {
//1、 HanLP
List<Term> termList = HanLP.segment(sentence);
//
System.out.println(termList.toString());
//2、 Word (term.word ,term.nature )
return termList.stream().map(term -> new Word(term.word, term.nature.toString())).collect(Collectors.toList());
}
}
4.Word(봉 인 된 단어 결과)이 안에 진정 으로 쓰 이 는 것 은 사실 단어 이름과 가중치 이다.
import lombok.Data;
import java.util.Objects;
/**
* */
@Data
public class Word implements Comparable {
//
private String name;
//
private String pos;
// ,
private Float weight;
public Word(String name, String pos) {
this.name = name;
this.pos = pos;
}
@Override
public int hashCode() {
return Objects.hashCode(this.name);
}
@Override
public boolean equals(Object obj) {
if (obj == null) {
return false;
}
if (getClass() != obj.getClass()) {
return false;
}
final Word other = (Word) obj;
return Objects.equals(this.name, other.name);
}
@Override
public String toString() {
StringBuilder str = new StringBuilder();
if (name != null) {
str.append(name);
}
if (pos != null) {
str.append("/").append(pos);
}
return str.toString();
}
@Override
public int compareTo(Object o) {
if (this == o) {
return 0;
}
if (this.name == null) {
return -1;
}
if (o == null) {
return 1;
}
if (!(o instanceof Word)) {
return 1;
}
String t = ((Word) o).getName();
if (t == null) {
return 1;
}
return this.name.compareTo(t);
}
}
5.CosineSimilarity(유사 율 구체 적 실현 도구 류)
import com.jincou.algorithm.tokenizer.Tokenizer;
import com.jincou.algorithm.tokenizer.Word;
import org.apache.commons.lang3.StringUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.util.CollectionUtils;
import java.math.BigDecimal;
import java.util.*;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.atomic.AtomicInteger;
/**
* : , : a=(x1,y1), b=(x2,y2) similarity=a.b/|a|*|b| a.b=x1x2+y1y2
* |a|= [(x1)^2+(y1)^2],|b|= [(x2)^2+(y2)^2]*/
public class CosineSimilarity {
protected static final Logger LOGGER = LoggerFactory.getLogger(CosineSimilarity.class);
/**
* 1、
*/
public static double getSimilarity(String text1, String text2) {
// wei , 0,
if (StringUtils.isBlank(text1) && StringUtils.isBlank(text2)) {
return 1.0;
}
// 0 , ,
if (StringUtils.isBlank(text1) || StringUtils.isBlank(text2)) {
return 0.0;
}
// 1 ( , )
// if (text1.equalsIgnoreCase(text2)) {
// return 1.0;
// }
// :
List<Word> words1 = Tokenizer.segment(text1);
List<Word> words2 = Tokenizer.segment(text2);
return getSimilarity(words1, words2);
}
/**
* 2、
*/
public static double getSimilarity(List<Word> words1, List<Word> words2) {
double score = getSimilarityImpl(words1, words2);
//(int) (score * 1000000 + 0.5) , 1034234.213 1034234。 0.5
score = (int) (score * 1000000 + 0.5) / (double) 1000000;
return score;
}
/**
* : , : a=(x1,y1), b=(x2,y2) similarity=a.b/|a|*|b| a.b=x1x2+y1y2
* |a|= [(x1)^2+(y1)^2],|b|= [(x2)^2+(y2)^2]
*/
public static double getSimilarityImpl(List<Word> words1, List<Word> words2) {
// Word weight( )
taggingWeightByFrequency(words1, words2);
// :
// Word , map (key ,value ( ))
Map<String, Float> weightMap1 = getFastSearchMap(words1);
Map<String, Float> weightMap2 = getFastSearchMap(words2);
// set
Set<Word> words = new HashSet<>();
words.addAll(words1);
words.addAll(words2);
AtomicFloat ab = new AtomicFloat();// a.b
AtomicFloat aa = new AtomicFloat();// |a|
AtomicFloat bb = new AtomicFloat();// |b|
// : ,
words.parallelStream().forEach(word -> {
// a、b
Float x1 = weightMap1.get(word.getName());
Float x2 = weightMap2.get(word.getName());
if (x1 != null && x2 != null) {
//x1x2
float oneOfTheDimension = x1 * x2;
//+
ab.addAndGet(oneOfTheDimension);
}
if (x1 != null) {
//(x1)^2
float oneOfTheDimension = x1 * x1;
//+
aa.addAndGet(oneOfTheDimension);
}
if (x2 != null) {
//(x2)^2
float oneOfTheDimension = x2 * x2;
//+
bb.addAndGet(oneOfTheDimension);
}
});
//|a| aa
double aaa = Math.sqrt(aa.doubleValue());
//|b| bb
double bbb = Math.sqrt(bb.doubleValue());
// BigDecimal
//double aabb = aaa * bbb;
BigDecimal aabb = BigDecimal.valueOf(aaa).multiply(BigDecimal.valueOf(bbb));
//similarity=a.b/|a|*|b|
//divide :aabb ,9 9 ,
double cos = BigDecimal.valueOf(ab.get()).divide(aabb, 9, BigDecimal.ROUND_HALF_UP).doubleValue();
return cos;
}
/**
* Word weight( )
*/
protected static void taggingWeightByFrequency(List<Word> words1, List<Word> words2) {
if (words1.get(0).getWeight() != null && words2.get(0).getWeight() != null) {
return;
}
// (key ,value )
Map<String, AtomicInteger> frequency1 = getFrequency(words1);
Map<String, AtomicInteger> frequency2 = getFrequency(words2);
// DEBUG
// if (LOGGER.isDebugEnabled()) {
// LOGGER.debug(" 1:
{}", getWordsFrequencyString(frequency1));
// LOGGER.debug(" 2:
{}", getWordsFrequencyString(frequency2));
// }
// ( )
words1.parallelStream().forEach(word -> word.setWeight(frequency1.get(word.getName()).floatValue()));
words2.parallelStream().forEach(word -> word.setWeight(frequency2.get(word.getName()).floatValue()));
}
/**
*
* @return
*/
private static Map<String, AtomicInteger> getFrequency(List<Word> words) {
Map<String, AtomicInteger> freq = new HashMap<>();
//
words.forEach(i -> freq.computeIfAbsent(i.getName(), k -> new AtomicInteger()).incrementAndGet());
return freq;
}
/**
* :
*/
private static String getWordsFrequencyString(Map<String, AtomicInteger> frequency) {
StringBuilder str = new StringBuilder();
if (frequency != null && !frequency.isEmpty()) {
AtomicInteger integer = new AtomicInteger();
frequency.entrySet().stream().sorted((a, b) -> b.getValue().get() - a.getValue().get()).forEach(
i -> str.append("\t").append(integer.incrementAndGet()).append("、").append(i.getKey()).append("=")
.append(i.getValue()).append("
"));
}
str.setLength(str.length() - 1);
return str.toString();
}
/**
*
*/
protected static Map<String, Float> getFastSearchMap(List<Word> words) {
if (CollectionUtils.isEmpty(words)) {
return Collections.emptyMap();
}
Map<String, Float> weightMap = new ConcurrentHashMap<>(words.size());
words.parallelStream().forEach(i -> {
if (i.getWeight() != null) {
weightMap.put(i.getName(), i.getWeight());
} else {
LOGGER.error("no word weight info:" + i.getName());
}
});
return weightMap;
}
}
이 구체 적 인 실현 코드 는 사고 가 매우 긴밀 하기 때문에 어떤 부분 은 비교적 복잡 하 게 쓰 였 으 며,동시에 Atomic Float 원자 류 도 손 으로 썼 다.6.AtomicFloat 원자 류
import java.util.concurrent.atomic.AtomicInteger;
/**
* jdk AtomicFloat,
*/
public class AtomicFloat extends Number {
private AtomicInteger bits;
public AtomicFloat() {
this(0f);
}
public AtomicFloat(float initialValue) {
bits = new AtomicInteger(Float.floatToIntBits(initialValue));
}
//
public final float addAndGet(float delta) {
float expect;
float update;
do {
expect = get();
update = expect + delta;
} while (!this.compareAndSet(expect, update));
return update;
}
public final float getAndAdd(float delta) {
float expect;
float update;
do {
expect = get();
update = expect + delta;
} while (!this.compareAndSet(expect, update));
return expect;
}
public final float getAndDecrement() {
return getAndAdd(-1);
}
public final float decrementAndGet() {
return addAndGet(-1);
}
public final float getAndIncrement() {
return getAndAdd(1);
}
public final float incrementAndGet() {
return addAndGet(1);
}
public final float getAndSet(float newValue) {
float expect;
do {
expect = get();
} while (!this.compareAndSet(expect, newValue));
return expect;
}
public final boolean compareAndSet(float expect, float update) {
return bits.compareAndSet(Float.floatToIntBits(expect), Float.floatToIntBits(update));
}
public final void set(float newValue) {
bits.set(Float.floatToIntBits(newValue));
}
public final float get() {
return Float.intBitsToFloat(bits.get());
}
@Override
public float floatValue() {
return get();
}
@Override
public double doubleValue() {
return (double) floatValue();
}
@Override
public int intValue() {
return (int) get();
}
@Override
public long longValue() {
return (long) get();
}
@Override
public String toString() {
return Float.toString(get());
}
}
3.총화대체적인 사고방식 을 다시 한번 훑 어 보다.
(1)선분 사:분 사 는 반드시 일정한 규칙 에 따라 야 한다.그렇지 않 으 면 마음대로 나 누 어도 의미 가 없다.그러면 여 기 는 HanLP 중국어 자연 언어 처리 에서 표준 분 사 를 통 해 분 사 를 한다.
(2)단어의 주파 수 를 통계 한다.위의 단어 가 나타 난 횟수 를 통계 한다.
(3)단어 마다 나타 나 는 횟수 를 통 해 하나의 벡터 로 바 꾸 고 벡터 공식 을 통 해 유사 율 을 계산한다.
이상 은 자바 알고리즘 의 코사인 싱크로 율 계산 문자열 싱크로 율 에 대한 상세 한 내용 입 니 다.자바 알고리즘 에 관 한 자 료 는 다른 관련 글 을 주목 하 시기 바 랍 니 다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
Is Eclipse IDE dying?In 2014 the Eclipse IDE is the leading development environment for Java with a market share of approximately 65%. but ac...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.