基于COLT的两个语义向量的相似性度量

Question

我正在使用传播激活来获得与给定概念相关的概念。

如果我想计算“伦敦”和“巴黎”之间的相似度，我会得到两个向量，如下所示：

vector for 'Paris':
Paris : 1.0
City : 0.9
Capital : 0.7
France : 0.6
Europe : 0.5
...

vector for 'London':
London : 1.0
City : 0.9
England : 0.9
United Kingdom : 0.8
Europe : 0.5
...

问题是向量可以有不同的长度。在这种情况下，可以使用什么相似性度量？据我所知，余弦测度只能应用于具有相同大小的向量。

我找到了这些包: SimMetrics：http://staffwww.dcs.shef.ac.uk/people/S.Chapman/simmetrics.html和COLT：http://nlp.stanford.edu/nlp/javadoc/colt-docs/overview-summary.html

如何在我的场景中使用它们？

谢谢!穆隆

Answer 1

您可以将所有未赋值的值默认为0，以获得匹配的向量，然后使用您选择的任何距离度量。不过，您可能希望有某种方法来权衡不同的属性，因为一些属性可能比其他属性更具相关性。

另外，从什么角度来看，伦敦比巴黎更“欧洲”？