math - 向量数量不同的两个图节点之间的余弦相似度计算

Question

作为研究的一部分，我正在实施名为“ Efficient Graph-Based Semi-Supervised Learning of Structured Tagging Models”的论文。

作为本文第3部分的图构造过程的一部分，我需要定义某种相似性度量来计算连接一对节点的每个边的边权重。根据该论文，我必须为此创建一个PMI（逐点相互信息）矢量。我要做的是为每个令牌上出现的功能计算PMI。

在本文中，每个n-gram都被称为“类型”，并且其每次出现都被称为“令牌”。

例如，如果我们将x2-x3-x4设为当前类型，它在两种情况下出现，即x1-x2-x3-x4-x5和x6-x2-x3-x4-x7，则我必须计算一组与类型x2-x3-x4。但是以某种方式，此过程似乎很复杂且不清楚。这是我得到的：


我应该为每个令牌上的每个功能计算PMI。这将为每个令牌生成一个PMI向量，最终结果将是当前Type的PMI向量数组。数组大小将等于给定类型的令牌数。现在，作为最后一步，我应该测量不同节点的相似性。但是问题是每种类型的结果向量数组都有不同的大小，因此我无法将这些数组相互比较。


那么，解决方案是什么？我在这里弄错了吗？

Answer 1

对于数据集中出现的每个三字母组合，您始终可以获得表1中列出的9个特征。对于1-2-3-4-5和6-2-3-4-7，您还可以计算（ （12345）和（62346），（234）和（234），（12）和（62），（45）和（47），....中心字为0，但如果您要比较的三字组不同，则不会为0。因此应该保留数组大小。