lucene - Lucene 中的 Jaccard 相似度

Question

我需要使用 Jaccard similarity over n-grams 计算 Lucene 中查询和文档的相似性。由于 Jaccard 相似度是 IR 中非常常见的度量，我希望找到它的 Lucene 实现，但我找不到。

有人知道这样的实现吗？

Answer 1

据我所知，唯一可以轻松与 Lucene 集成的实现是来自 LingPipe 的实现(请注意，它仅对非商业/研究用途免费)。 Here是一篇展示如何在 LingPipe 中使用它的博文。 LingPipe 网站和 this book 中提供了有关如何连接这两个库的详细说明。 .

不过，我还没有评估过，如果您自己集成一些其他实现不会更容易(也是从许可的角度来看)——这只是一个对我有用的解决方案。