Python: Jaccard-Distanz mit word Schnittpunkt aber nicht Charakter Kreuzung

Konnte ich noch nicht erkennen, dass die Python-set-Funktion tatsächlich Trenn-string in einzelne Zeichen. Ich schrieb python-Funktion für Jaccard und verwendet python Kreuzung Methode. Ich ging zwei Sätze in diese Methode und vor der übergabe der zwei Sätze in mein jaccard-Funktion, die ich verwenden die set-Funktion auf dem setring.

Beispiel: angenommen, ich habe Zeichenfolge NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg würde ich set(NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg) die getrennte Zeichenfolge in Zeichen. Also, wenn ich Sie senden jaccard-Funktion Schnittpunkt tatsächlich Aussehen, Charakter Kreuzung anstelle von Wort zu Wort Kreuzung. Wie kann ich Wort für Wort Kreuzung.

#implementing jaccard
def jaccard(a, b):
    c = a.intersection(b)
    return float(len(c)) / (len(a) + len(b) - len(c))

wenn ich nicht anrufen set Funktion auf meinem string NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg bekomme ich die folgende Fehlermeldung:

    c = a.intersection(b)
AttributeError: 'str' object has no attribute 'intersection'

Anstelle von Charakter zu Charakter Kreuzung, die ich tun will Wort für Wort Kreuzung und Holen Sie sich die jaccard ähnlichkeit.

InformationsquelleAutor add-semi-colons | 2012-08-11
  1. 9

    Teilen Sie Ihren string in Wörter zuerst:

    word_set = set(your_string.split())

    Beispiel:

    >>> word_set = set("NEW Fujifilm 16MP 5x".split())
>>> character_set = set("NEW Fujifilm 16MP 5x")
>>> word_set
set(['NEW', '16MP', '5x', 'Fujifilm'])
>>> character_set
set([' ', 'f', 'E', 'F', 'i', 'M', 'j', 'm', 'l', 'N', '1', 'P', 'u', 'x', 'W', '6', '5'])
    • Eigentlich ist das genau das, was ich suchte, wenn ich verwenden Sie die Funktion während der Kreuzung und es ist auf der Suche nach kompletten Spiel.
    InformationsquelleAutor Amber
  2. 7

    Meine Funktion zum berechnen Jaccard-Abstand:

    def DistJaccard(str1, str2):
    str1 = set(str1.split())
    str2 = set(str2.split())
    return float(len(str1 & str2)) / len(str1 | str2)

>>> DistJaccard("hola amigo", "chao amigo")
0.333333333333
    InformationsquelleAutor JBrain
  3. 3

    Diese Eigenschaft ist nicht eindeutig zu sets:

    >>> list('NEW Fujifilm')
['N', 'E', 'W', ' ', 'F', 'u', 'j', 'i', 'f', 'i', 'l', 'm']

    Was ist Los hier ist, dass die Zeichenfolge behandelt wird, als einer wiederholenden Sequenz und bearbeitet von Zeichen.

    Gleiche Sache, die Sie werden sehen, mit set:

    >>> set('string')
set(['g', 'i', 'n', 's', 'r', 't'])

    Zu beheben, verwenden .add() auf einem bestehenden set, da .add() funktioniert nicht verwenden Sie eine interable:

    >>> se=set()
>>> se.add('NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg')
>>> se
set(['NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg'])

    Oder verwenden Sie split () ein Tupel, eine Liste oder eine andere durchsuchbar, so dass die Zeichenfolge nicht als iterierbar:

    >>> set('something'.split())
set(['something'])
>>> set(('something',))
set(['something'])
>>> set(['something'])
set(['something'])

    Fügen Sie weitere Elemente basierend auf Ihren string auf einer Wort-für-Wort-basis:

    >>> se=set(('Something',)) | set('NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg'.split())

    Oder, wenn Sie einem das Verständnis für gewisse Logik, wie Sie hinzufügen, um dem Satz:

    >>> se={w for w in 'NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg'.split() 
         if len(w)>3}
>>> se
set(['Shoot', 'CAMERA', 'Point', 'screen.jpg', 'Zoom', 'Fujifilm', '16MP', 'Optical'])

    - Und es funktioniert, wie du erwartest jetzt:

    >>> 'Zoom' in se
True
>>> s1=set('NEW Fujifilm 16MP 5x Optical Zoom Point and Shoot CAMERA 2 7 screen.jpg'.split())
>>> s2=set('Fujifilm Optical Zoom CAMERA NONE'.split())
>>> s1.intersection(s2)
set(['Optical', 'CAMERA', 'Zoom', 'Fujifilm'])
    • Aus der "Wort zu Wort Schnittmenge" ich denke, die OP ist wirklich nach set(a.split()).intersection(b.split()) (modulo Fall-und Zeichensetzung details.)
    • vielen Dank für das Beispiel und die tolle Erklärung. Genial!!!
    InformationsquelleAutor dawg
  4. 2

    Dies ist die eine, die ich schrieb, basierend auf set-Funktion -

    def jaccard(a,b):
    a=a.split()
    b=a.split()
    union = list(set(a+b))
    intersection = list(set(a) - (set(a)-set(b)))
    print "Union - %s" % union
    print "Intersection - %s" % intersection
    jaccard_coeff = float(len(intersection))/len(union)
    print "Jaccard Coefficient is = %f " % jaccard_coeff
    InformationsquelleAutor medakeshav
Schreibe einen Kommentar