杰卡德距离（Jaccard Distance）原理与应用（Python和NLTK实现）

最新推荐文章于 2025-06-01 16:37:31 发布

白马负金羁

最新推荐文章于 2025-06-01 16:37:31 发布

阅读量1.2w

点赞数 8

CC 4.0 BY-SA版权

分类专栏：自然语言处理信息检索

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/baimafujinji/article/details/50670160

自然语言处理信息检索专栏收录该内容

35 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

杰卡德距离是衡量集合差异的指标，1-Jaccard相似系数。广泛应用于机器学习、数据科学和NLP。Python的NLTK库支持其计算，可用于自然语言处理任务中的模糊匹配和文本相似度评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

杰卡德距离（Jaccard Distance）是用来衡量两个集合差异性的一种指标，它是杰卡德相似系数的补集，被定义为1减去Jaccard相似系数。而杰卡德相似系数（Jaccard similarity coefficient），也称杰卡德指数（Jaccard Index），是用来衡量两个集合相似度的一种指标。杰卡德指数最早由瑞士苏黎世联邦理工学院的植物学和植物生理学教授保罗·杰卡德（Paul Jaccard）提出。

假设A和B是两个集合（如上图所示），那么二者之间的杰卡德指数就定义为：

$J(A,B)=\frac{|A\cap B|}{|A\cup B|}=\frac{|A\cap B|}{|A|+|B|-|A\cap B|}$

特别地，如果A和B都是空集，则规定J(A,B)=1；并且有 Jaccard Distance = 1 - Jaccard Index。

&

了解本专栏

超级会员免费看

评论 5

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

打赏作者

白马负金羁 你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20

扫码支付：¥1

获取中

扫码支付

您的余额不足，请更换扫码支付或充值

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。