两类相似性测度

武夷山

2009年第8期JASIST杂志发表了Nees Jan van Eck和Ludo Waltman合写的文章，How to Normalize Concurrence Data? An Analysis of Some Well-known Similarity Measures（如何对共现数据进行标准化？若干熟知的相似性测度之分析）。文章说：

有两类完全不同的相似性测度。关联强度（association strength）属于概率论的测度，the inclusion index、贾卡德指数等属于集合论的测度。共现数据最好采用概率论测度来标准化，也就是说，在科学计量学研究中要多采用关联强度指标。

所谓集合论的相似，测度的是两个集合的相对重叠程度。

所谓概率论的相似，测度的是在独立性假定（对象之出现在统计上是相互独立的）下，共现频度的观察值与期望值之距离。

上述两种测度都属于直接的相似性测度，间接的相似性测度包括Bhattacharyya距离法、余弦法、Jensen-Shannon距离法，等等。