从 facebook 和 twitter 朋友那里找到相似度分数的算法？

Question

我使用 PHP 从 facebook 和 twitter 获取朋友列表，并将每个列表存储在一个关联数组中。我有他们的名字和位置。我想根据他们的姓名和位置比较来自 fb 和 twitter 的朋友，并提供相似度分数。

就像我想设置一个大约 0.7 的阈值，如果分数高于一个人的分数，那么这意味着它们代表同一个实体。我使用了php函数similar_text，但它太基础了，几乎每个朋友都有50-60%的匹配度，因为它只是基于名字中的单词。

有什么建议吗？

Answer 1

您可能需要考虑向量空间模型：将每个名称和位置表示为非常高维空间中的一个维度。将 twitter 表示为一个向量，将 facebook 表示为另一个向量。例如，如果我在 facebook 和 twitter 上都有一个名叫 Mike 的朋友，则“Mike”维度在两个向量中都有一个非零值。通过比较这两个向量之间的角度，我可以计算出相似度得分。较小的角度表示较高的相似度。一个简单的例子：

我的推特朋友： 艾达 艾伦 贝丝 达纳 乔恩

我的脸书好友： 安妮 贝丝 达纳 乔恩

空间包含维度：

推特矢量： t =

脸书矢量： f =

它们之间的夹角等于 ArcCos( [ f dot t ] / [ | f | * | t | ])

见https://en.wikipedia.org/wiki/Vector_space_model