Jaccard(杰卡德)相似性系数主要用于计算符号度量或布尔值度量的样本间的相似度。若样本间的特征属性由符号和布尔值标识,无法衡量差异具体值的大小,只能获得“是否相同”这样一种结果,而Jaccard系数关心的是样本间共同具有的特征。
Jaccard系数等于样本集交集个数和样本集并集个数的比值,用表示
与Jaccard系数相反的概念是Jaccard距离,用两个集合中不同元素所占元素的比例来衡量两个集合(样本)的区分度,可用如下公式表示:
Jaccard系数主要的应用的场景有
过滤相似度很高的新闻,或者网页去重
考试防作弊系统
论文查重系统