Jaccard距离对计数矢量化特征的适用性

Question

我有一个任务，在这个任务中，我们必须对烹饪进行分类，并且根据给定的输入还给出前五名的食谱。我对以下数据进行了计数矢量化(countVectorize.transformer())，然后使用Jaccard的距离来计算最接近的匹配。这种方法是对的，还是有更好的距离度量来达到我的目的？

数据集：https://www.kaggle.com/c/whats-cooking/data

{ "id"：24717，“烹饪”：“印度”，“配料”：“数字”、“蔬菜汤”、“西红柿”、“大蒜”、“纳恩”、“红扁豆”、“红辣椒”、“洋葱”、“菠菜”、“红薯” }，

Answer 1

因为成分可以转换成集合中的元素，所以可以直接使用Jaccard距离。没有必要先计算向量化。

另一种选择是使用预先训练过的单词嵌入。结果将是一个表示每个单词的密集向量。然后可以使用任何Minkowski距离或余弦距离。