计算数组内数组的相似度

Question

我有一个问题，我很不确定如何解决。

给出的是这样格式的数组：

$array01 = array(
    0 => array("hallo", "welt", "du", "ich"),
    1 => array("mag", "dich"),
    2 => array("nicht", "haha", "huhu")
);

$array02 = array(
    0 => array("haha", "welt", "dich"),
    1 => array("hallo", "mag", "nicht"),
    2 => array("du", "ich", "huhu")
);

现在我想计算这些数组的某种相似度值。这些数组是根据含义对术语进行聚类的结果。

我想知道的是，两个不同的用户($array01 = user1, $array02 = user2) 对这些术语的相似程度如何。 0,1,2 是那些簇（它们不必是相同的长度）

编辑： 所以我试着进一步描述一下： 每个数组都是用户根据其含义对术语（hallo、welt、du、ich...）进行聚类的结果。所以每个子数组都是用户定义的一个簇。现在的问题是用户不受限制在他放置术语或整个集群的位置，所以我不能只比较 $array01[0] 和 $array02[0]。 我想我需要将子数组与最常见的术语进行比较。但是，每个用户都必须对所有术语进行聚类。

例如：

$array01[0] 和 $array02[2]。它们有两个共同点：“du”和“ich” -> +1

其他术语没有明确的聚类，所以我猜这个例子会产生 1，因为聚类不是很相似。

Answer 1

这个怎么样？

---

get_similar_items

代码：

<?php

$array01 = array(
    0 => array("hallo", "welt", "du", "ich"),
    1 => array("mag", "dich"),
    2 => array("nicht", "haha", "huhu")
);

$array02 = array(
    0 => array("haha", "welt", "dich"),
    1 => array("hallo", "mag", "nicht"),
    2 => array("du", "ich", "huhu")
);

function get_similar_items() {
    $arrs = func_get_args();
    foreach ($arrs as &$arr) {
        while (list($k, $v) = each($arr)) {
            if (is_array($v)) {
                array_splice($arr,$k,1,$v);
                next($arr);
            }
        }
    }
    return call_user_func_array('array_intersect',$arrs);
}

print_r(get_similar_items($array01,$array02));

结果：

Array
(
    [0] => hallo
    [1] => welt
    [2] => du
    [3] => ich
    [4] => mag
    [5] => dich
    [6] => nicht
    [7] => haha
    [8] => huhu
)

---

get_similar_items_count

代码：

<?php

$array01 = array(
    0 => array("hallo", "welt", "du", "ich"),
    1 => array("mag", "dich"),
    2 => array("nicht", "haha", "huhu")
);

$array02 = array(
    0 => array("haha", "welt", "dich"),
    1 => array("hallo", "mag", "nicht"),
    2 => array("du", "ich", "huhu")
);

$array03 = array(
    0 => array("haha", "haha", "dich"),
    1 => array("dich", "mag", "mag"),
    2 => array("du", "ich", "haha")
);

function get_similar_items_count() {
    $arrs = func_get_args();
    foreach ($arrs as &$arr) {
        while (list($k, $v) = each($arr)) {
            if (is_array($v)) {
                array_splice($arr,$k,1,$v);
                next($arr);
            }
        }
    }
    unset($arr);
    $counts = array();
    foreach ($arrs as $arr) {
        foreach (array_count_values($arr) as $k => $v) {
            if ($v) {
                if (!isset($counts[$k])) {
                    $counts[$k]  = $v;
                } else {
                    $counts[$k] += $v;
                }
            }                
        }
    }
    return $counts;
}

print_r(get_similar_items_count($array01,$array02,$array03));

结果：

Array
(
    [hallo] => 2
    [welt] => 2
    [du] => 3
    [ich] => 3
    [mag] => 4
    [dich] => 4
    [nicht] => 2
    [haha] => 5
    [huhu] => 2
)

Answer 2

count(array_intersect($array01[0],$array02[0]));

可能foreach() 通过机器人数组并求和。

Answer 3

根据您的评论，我的理解是您想将第一个数组中的所有值与第二个数组进行比较。 IOW array1 的所有子数组中的所有单词都应该与 array2 的所有子数组的所有单词进行比较

$array01 = array(
    0 => array("hallo", "welt", "du", "ich"),
    1 => array("mag", "dich"),
    2 => array("nicht", "haha", "huhu")
);

$array02 = array(
    0 => array("haha", "welt", "dich"),
    1 => array("hallo", "mag", "nicht"),
    2 => array("du", "ich", "huhu")
);

$t_array01 = array();
foreach($array01 as $arr) {
  $t_array01 = array_merge($t_array01,$arr);
}
$t_array02 = array();
foreach($array02 as $arr) {
  $t_array02 = array_merge($t_array02,$arr);
}

$common = array_intersect($t_array01,$t_array02);

$common 是两个数组中所有单词的数组。在您的示例中，两个数组都包含所有相同的单词，因此它包含所有单词。如果你只想计算有多少，你可以做count($common)