我想要构造一个成对距离矩阵,其中“距离”是实现here时两个字符串之间的相似度分数。我正在考虑使用sci-kit learn的成对距离方法来做到这一点,因为我之前已经使用它来进行其他计算,并且容易的并行化非常棒。计算成对simhash“距离”
下面是相关的代码:
def hashdistance(str1, str2):
hash1 = simhash(str1)
hash2 = simhash(str2)
distance = 1 - hash1.similarity(hash2)
return distance
strings = [d['string'] for d in data]
distance_matrix = pairwise_distances(strings, metric = lambda u,v: hashdistance(u, v))
strings
看起来像['foo', 'bar', 'baz']
。
当我尝试这个时,它会抛出错误ValueError: could not convert string to float
。这可能是一件非常愚蠢的事情,但我不确定为什么需要在这里发生转换,以及为什么它会抛出该错误:metric
中的匿名函数可以接收字符串并返回一个浮点数;为什么输入需要浮动,以及如何创建基于simhash'距离'的成对距离矩阵?