有没有一种通用的方法可以在相似性度量和距离度量之间进行转换？
考虑一个相似性度量，比如两个字符串共有的 2-gram 的数量。
2-grams('beta', 'delta') = 1
2-grams('apple', 'dappled') = 4
如果我需要将其提供给期望差异度量的优化算法，例如 Levenshtein 距离，该怎么办？
这只是一个例子......我正在寻找一个通用的解决方案，如果存在的话。比如如何从 Levenshtein 距离到相似度的度量？
我感谢您提供的任何指导。
最佳答案
让 d 表示距离， s 表示相似度。转换距离量度相似性度量，我们首先需要正常化 d 为[0 1]，通过使用 d_norm = d /最高( d )。然后相似性度量由下式给出:
s = 1 - d_norm 。
其中 s 在[0 1]范围内，1表示最高相似度(比较项目相同)，0表示最低相似度(最大距离)。
关于metrics - 如何在相似性度量和差异度量(距离)之间进行转换？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/4064630/