我想构建一个成对距离矩阵,其中“距离”是两个字符串之间的相似度得分,如此处实现的。我正在考虑使用 sci-kit learn 的成对距离方法来执行此操作,因为我之前已将其用于其他计算,并且易于并行化非常好。
这是相关的代码:
def hashdistance(str1, str2):
hash1 = simhash(str1)
hash2 = simhash(str2)
distance = 1 - hash1.similarity(hash2)
return distance
strings = [d['string'] for d in data]
distance_matrix = pairwise_distances(strings, metric = lambda u,v: hashdistance(u, v))
strings
看起来像['foo', 'bar', 'baz']
。
当我尝试这个时,它会抛出错误ValueError: could not convert string to float
。这可能是一件非常愚蠢的事情,但我不确定为什么需要在此处进行转换,以及为什么会抛出该错误:匿名函数 inmetric
可以接受字符串并返回浮点数;为什么输入需要是浮点数,如何根据 simhash“距离”创建这个成对距离矩阵?