如何在 Java 中找到两个列表的相似程度？答案

【问题标题】：How do I find how similar two lists are in Java?如何在 Java 中找到两个列表的相似程度？
【发布时间】：2012-04-03 01:00:33
【问题描述】：

对于家庭作业，我们将把basicCompare 方法转换为比较两个文本文档并查看它们是否涉及相似主题的方法。基本上，该程序将删除所有长度小于五个字符的单词，并为我们留下列表。我们应该比较这些列表，并且如果两个文档之间使用的词足够多（假设相似度为 80%），该方法返回 true 并表示“匹配”。

但是，我对所有 cmets 在方法底部的位置感到困惑。我想不出或找到一种方法来比较两个列表并找出两个列表中单词的百分比。也许我想错了，需要过滤掉不在两个列表中的单词，然后只计算剩下的单词数。用于定义输入文档是否匹配的参数完全由我们决定，因此可以根据需要进行设置。如果各位好心的女士们先生们能指出我正确的方向，甚至指向某个功能的 Java 文档页面，我相信我可以完成剩下的工作。我只需要知道从哪里开始。

import java.util.Collections;
import java.util.List;

public class MyComparator implements DocumentComparator {

        public static void main(String args[]){
                MyComparator mc = new MyComparator();

if(mc.basicCompare("C:\\Users\\Quinncuatro\\Desktop\\MatchLabJava\\LabCode\\match1.txt", "C:\\Users\\Quinncuatro\\Desktop\\MatchLabJava\\LabCode\\match2.txt")){
                    System.out.println("match1.txt and match2.txt are similar!");
            } else {
                    System.out.println("match1.txt and match2.txt are NOT similar!");
            }
    }

    //In the basicCompare method, since the bottom returns false, it results in the else statement in the calling above, saying they're not similar
    //Need to implement a thing that if so many of the words are shared, it returns as true

    public boolean basicCompare(String f1, String f2) {
            List<String> wordsFromFirstArticle = LabUtils.getWordsFromFile(f1);
            List<String> wordsFromSecondArticle = LabUtils.getWordsFromFile(f2);

            Collections.sort(wordsFromFirstArticle);
            Collections.sort(wordsFromSecondArticle);//sort list alphabetically

            for(String word : wordsFromFirstArticle){
                    System.out.println(word);
            }

            for(String word2 : wordsFromSecondArticle){
                    System.out.println(word2);
            }

            //Find a way to use common_words to strip out the "noise" in the two lists, so you're ONLY left with unique words
            //Get rid of words not in both lists, if above a certain number, return true
            //If word1 = word2 more than 80%, return true

            //Then just write more whatever.basicCompare modules to compare 2 to 3, 1 to 3, 1 to no, 2 to no, and 3 to no

            //Once you get it working, you don't need to print the words, just say whether or not they "match"

            return false;

    }


    public boolean mapCompare(String f1, String f2) {

            return false;
    }

}

【问题讨论】：

stackoverflow.com/questions/2762093/java-compare-two-lists
虽然你展示了代码，但最好能在问题的主要内容上展示你的努力，而不是仅仅提供围绕它的脚手架代码。跨度>

标签： java list collections comparison

【解决方案1】：

尝试通过在纸上或脑海中执行这些步骤来提出算法。一旦你明白了你需要做什么，就把它翻译成代码。这就是所有算法的发明方式。

【讨论】：

我明白，Sky Kelsey，这只是学习 Java 的问题，不知道我想做的事情是否可以翻译成干净的代码。
几件事：1）您将字符串存储在允许重复的列表中。还有其他数据结构，是否有可能其他数据结构不允许重复，并且会使您的工作更轻松？ 2）有一个接口java.util.Collection List 和其他“Collections”实现。查看该接口中声明的常用方法。一种称为“包含”，也可能对您有所帮助。

【解决方案2】：

首先将您的 List 更改为 Set 以删除重复项。

遍历其中一个集合并使用 contains 方法检查另一个集合是否包含相同的单词。

int count = 0;
Set<String> set1 = new HashSet<String>(LabUtils.getWordsFromFile(f1));
Set<String> set2 = new HashSet<String>(LabUtils.getWordsFromFile(f2));

Iterator<String> it = set1.iterator();

while (it.hasNext()){
    String s = it.next();

    if (set2.contains(s)){
        count++;
    }

}

然后使用计数器计算百分比（计数/总数）* 100。如果大于 80%，则返回 true，否则返回 false。

了解列表、集合和队列之间的区别总是很好。我希望这能为您指明正确的方向。

【讨论】：