2

我在 python 中有两个句子，它们代表用户在输入中作为图像检索软件查询的词集：

sentence1 = "dog is the"
sentence2 = "the dog is a very nice animal"

我有一组带有描述的图像，例如：

sentence3 = "the dog is running in your garden"

我想恢复所有描述与用户插入的查询“非常接近”的图像，但是与描述相关的这部分应该在 0 和 1 之间进行标准化，因为它只是考虑地理标记的更复杂研究的一部分和图像的低级特征。

鉴于我使用以下方法创建了三组：

set_sentence1 = set(sentence1.split())
set_sentence2 = set(sentence2.split())
set_sentence3 = set(sentence3.split())

并将集合之间的交集计算为：

intersection1 = set_sentence1.intersection(set_sentence3)
intersection2 = set_sentence2.intersection(set_sentence3)

我怎样才能有效地标准化比较？

我不想使用 levensthein 距离，因为我对字符串相似性不感兴趣，而是对集合相似性感兴趣。

4

2 回答 2

3

也许像这样的指标：

Similarity1 = (1.0 + len(intersection1))/(1.0 + max(len(set_sentence1), len(set_sentence3)))
Similarity2 = (1.0 + len(intersection2))/(1.0 + max(len(set_sentence2), len(set_sentence3)))
于 2012-09-12T07:59:53.003 回答
1

你试过difflib吗？

来自文档的示例：

>>> s1 = ['bacon\n', 'eggs\n', 'ham\n', 'guido\n']
>>> s2 = ['python\n', 'eggy\n', 'hamster\n', 'guido\n']
>>> for line in context_diff(s1, s2, fromfile='before.py', tofile='after.py'):
...     sys.stdout.write(line)  
*** before.py
--- after.py
***************
*** 1,4 ****
! bacon
! eggs
! ham
  guido
--- 1,4 ----
! python
! eggy
! hamster
  guido
于 2012-09-12T09:25:46.470 回答