我正在尝试聚类一些词（以汽车品牌为例）。为了做到这一点，我不能使用k-means或k-medoids，因此我尝试使用Sklearn中的Affinity Propagation。我将它与距离lib的levenshtein或距damerau_levenshtein_distance lib的pyxdameraulevenshtein一起使用。
此处的示例：https://stats.stackexchange.com/questions/123060/clustering-a-long-list-of-strings-words-into-similarity-groups
但是，这些指标并不是我所需要的。例如，MERCEDES-BENZ和MERCEDES的距离为5，与VOLVO和FIAT相同。你们知道一些度量标准，它们在MERCEDES-BENZ和MERCEDES之间的相似度得分要比VOLVO和FIAT高。
谢谢，
德约克斯
最佳答案
您可以使用构成这些单词的三元组中的Jaccard相似度。也就是说，您将每个单词分解成三个字符的组成部分（对于volvo：vol，olv，lvo），并使它们的Jaccard彼此相似。 N-gram。
雅卡德相似度定义为普通n元数与总n元数之比：Jaccard index。
关于python - 单词聚类，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44775387/