cluster-computing - 与名义数据相似度相关系数的最佳方法

Question

我希望有人能帮我解决这个问题（请）：我想在一些文章特征（作者、类别、年份、影响因子、引文）之间做相似性，但我不知道如何为名义数据做这件事，因为我可以做余弦相似度的数字特征，但我怎么能做名义上的呢？提前感谢大家！

Answer 1

虽然我不想推荐这种方法，但它似乎很受欢迎：

将您的类别编码为二进制属性。IE：

A1=Car   ->  (1,0,0)
A1=Truck ->  (0,1,0)
A1=Bike  ->  (0,0,1)

然后您可以像处理文本一样继续。这实际上与将它们视为三个不同的词相同。

它会起作用，但恕我直言，在连续数值之外没有“相关”的概念。已经在文本上，与其说是一种好的方法，不如说是一种制作东西的技巧。