估计聚合字符串相似性的Java库方法或算法？

我收到了用户对多项选择题的回复，例如（大致）：

我想要的是通过将所有响应聚合到一个字段中来估计相似度，该字段可以跨数据库中的用户进行比较，而不是对每个列运行查询。

因此，例如，一些响应可能如下所示：

Married-Female-American
Single-Female-European

但我不想存储一个庞大的文本对象来表示所有可能的串联响应，因为它们可能有50个

因此，是否有某种方法可以使用某种Java库方法更简洁地表示一组响应

换句话说，这种方法将采用

已婚美国女性

生成一个代码，比如说

abc

，而

单身欧洲女性

将生成一个代码，比如说，

def

---

这样，如果我想知道两个用户是否是

已婚的美国女性

，我只需查询一列代码

abc

好吧，如果是一个多项选择题，你可以列举选择。也就是说，编号。那么为什么不使用

1-1-2

和

23-1-75

？即使你有50个答案，它仍然是可控的

现在，如果您碰巧需要相似性，那么聚合是您最不想要的。您需要的是一个简单的给定答案ID数组和一个定义两个答案数组之间距离的函数。不要使用字符串，不要聚合。留下干净漂亮的向量，所有的ML库都将为您服务

要引用JavaML库，请尝试

---

更新：您可能想尝试的另一件事是。我认为这对你来说不是一个好主意，但你的问题看起来像是一个要求。试一试。

你有有限的选项吗（多选似乎意味着这一点）

从字符串到数字数据集是一种常见的性能技术，基本上是对可用字符串进行索引。只要你只需要身份，这是完美的。比较整数比比较字符串快得多，而且它们通常占用更少的内存

字符本质上是

0-255

中的整数，因此您当然可以使用它

所以只要定义一个字母表：

a Married
b Single
c Male
d Female
e American
f Latin American
g European
h Asian
i African

事实上，即使你有超过256个单词，如果它们是位置性的（并且没有一个问题有超过256个选项），你也可以使用这个选项。然后你会使用

a Q1: Married
b Q1: Single
a Q2: Male
b Q2: Female
a Q3: American
b Q3: Latin American
c Q3: European
d Q3: Asian
e Q3: African

然后，您的示例将被编码为（变体1）

ade

和

bdg

或（变体2）

aba

和

bbc

。然后字符串的固定长度应为50（如果您有50个问题），并且可以非常有效地存储

---

要比较答案，只需访问字符串的

n

th个字符。也许您的数据库也允许索引子字符串查询。正如您在上面的示例中所看到的，两个字符串只在第二个字符上一致，就像答案一致一样。

已婚美国女性变成

abc

的方法是什么，而

单身欧洲女性

变成

def

的方法是什么？我假设您想要

dbf

…此外，您的问题标题要求一个算法来计算相似度，但您的问题正文要求一个算法只是执行字符串转换…目前，您是否将所有答案存储在数据库的一列中？显然（？）的解决方案是将第一个选择表示为一位，第二个作为一位，第三个作为三位，并将它们全部打包成一个整数。有什么原因不起作用吗？也就是说，您需要比较相似性，还是比较半自由形式的字段？你的问题意味着你想要相似性——你想如何衡量相似性？@Dave不，我目前正在将所有答案存储在单独的列中，但我想创建一个新的列，其中包含用于比较的聚合代码。+1：将一大堆字段塞进一个列中可能会使操作更加困难（不仅是相似性匹配，还包括标准索引/查找操作），以及降低可维护性。@Olicharlessworth我的观点正是如此。这些工具对于多功能数据来说是完美的磨砺。在50个功能中选择一个功能就像是在限制中进行功夫搏斗：这也许是一个不错的挑战，但很可能是痛苦的。

a Q1: Married
b Q1: Single
a Q2: Male
b Q2: Female
a Q3: American
b Q3: Latin American
c Q3: European
d Q3: Asian
e Q3: African