執筆:金子冴 前回の記事(【技術解説】似ている文字列がわかる!レーベンシュタイン距離とジャロ・ウィンクラー距離の計算方法とは)では,文字列同士の類似度(距離)が計算できる手法を紹介した.また,その記事の中で,自然言語処理分野では主に文書,文字列,集合等について類似度を計算する場面が多いことについても触れた.今回は集合同士の類似度を表現する以下の3つの係数と計算方法について解説する. ●Jaccard係数 ●Dice係数 ●Simpson係数 その前に,自然言語処理で類似度を表す指標について確認しよう. 自然言語処理で使用される類似度(距離) 自然言語処理の分野では,類似度を測る対象によって手法を使い分ける. ここでは事前に,主に使用される手法について確認しておこう. ベクトル同士の類似度 ●コサイン類似度 ●ピアソンの相関係数 ●偏差パターン類似度 集合同士の類似度(今回の解説対象)
![【技術解説】集合の類似度(Jaccard係数,Dice係数,Simpson係数) - ミエルカAI は、自然言語処理技術を中心とした、RPA開発・サイト改善・流入改善レコメンドエンジンを開発](https://cdn-ak-scissors.b.st-hatena.com/image/square/16b4ebd43f763ab8989639e6d557a3b6d64bcc9f/height=288;version=1;width=512/https%3A%2F%2Fmieruca-ai.com%2Fai%2Fwp-content%2Fuploads%2F2018%2F05%2Ffig01.png)