Nlp 是否有一种基于配置文件数据匹配两个配置文件的方法

我需要衡量两个配置文件之间的相似性，在这两个配置文件中，我们将用文字描述它们。现在使用概要数据，我需要找到它们之间的相似性。你能给我提个建议吗

您可以对此问题进行文献回顾，将问题分解为子问题，或者根据您对问题的看法应用现有解决方案。例如，如果将此问题视为文本聚类的应用，则可以应用现有的句子相似性度量

关键字匹配似乎是最简单的解决方案。此基线仅要求您标识命名实体并计算匹配项。在此过程中，您可以进行一些术语加权

---

解决方案的复杂性取决于文本的结构（档案更像LinkedIn档案还是简历？）和误报的可能性（姓名和出生日期是否总是存在，是否足以建立相似性？）。您没有提供一个示例供我们查看。

在OpenNLP中没有用于此的实用程序。我建议你首先采取一种简单的方法，然后从那里开始工作。我推荐的简单方法是对每个概要文件描述进行矢量化，然后使用标准的相似性度量来比较它们。下面是一个使用余弦相似性的示例。你可能遇到的下一个问题是试图将它们相互比较。。。然后，您将进入需要进行集群的领域。您还应该考虑噪声消除和停止字，以及可能的词干分析，以生成更好的标记。这个例子只是一个例子，你将要做的最重要的决定是向向量中添加什么

import java.util.HashSet;
import java.util.Set;
import java.util.SortedMap;
import java.util.TreeMap;

/**
 *
 * Crudely compares two strings
 */
public class SimpleProfileComparer {

  public static void main(String[] args) {
    String[] profileA = "bob likes to ride bikes and hiking".split(" ");
    String[] profileB = "jim likes bikes and also enjoys hiking".split(" ");;
    SortedMap<String, Double> a = new TreeMap<>();
    for (String string : profileA) {
      a.put(string, 1d);
    }
    SortedMap<String, Double> b = new TreeMap<>();
    for (String string : profileB) {
      b.put(string, 1d);
    }
    Set<String>keys = new HashSet<>();
    keys.addAll(a.keySet());
    keys.addAll(b.keySet());
    for (String string : keys) {
      if(!a.containsKey(string)){
        a.put(string, 0d);
      }
      if(!b.containsKey(string)){
        b.put(string, 0d);
      }
    }
    Double compare = compare(a, b);
    System.out.println(compare);
  }

  public static Double compare(SortedMap<String, Double> a, SortedMap<String, Double> b) {
    //both vectors must be of the same schema (normed prior to this call)
    if (a.keySet().size() != b.keySet().size()) {
      throw new IllegalArgumentException("vectors must be the same length");
    }
    double magA = 0;
    double magB = 0;
    double dotProd = 0;
    for (String key : a.keySet()) {
      Double intA = a.get(key);
      Double intB = b.get(key);
      /*
       * sum of squares calcs
       */
      magA += intA * intA;
      magB += intB * intB;
      /**
       * dot prod calc
       */
      dotProd += intA * intB;
    }
    magA = Math.sqrt(magA);
    magB = Math.sqrt(magB);
    Double similarity = dotProd / (magA * magB);
    return similarity;

  }

}

import java.util.HashSet；
导入java.util.Set；
导入java.util.SortedMap；
导入java.util.TreeMap；
/**
*
*粗略地比较两个字符串
*/
公共类SimpleProfileComparer{
公共静态void main（字符串[]args）{
String[]profileA=“鲍勃喜欢骑自行车和徒步旅行”。split（“”）；
String[]profileB=“吉姆喜欢自行车，也喜欢徒步旅行”；；
SortedMap a=新树映射（）；
for（字符串：profileA）{
a、 put（字符串，1d）；
}
SortedMap b=新树映射（）；
for（字符串：profileB）{
b、 put（字符串，1d）；
}
Setkeys=newhashset（）；
addAll（a.keySet（））；
addAll（b.keySet（））；
用于（字符串：键）{
如果（！a.containsKey（字符串））{
a、 put（字符串，0d）；
}
如果（！b.containsKey（字符串））{
b、 put（字符串，0d）；
}
}
双重比较=比较（a，b）；
System.out.println（比较）；
}
公共静态双重比较（分类地图a、分类地图b）{
//两个向量必须具有相同的模式（在此调用之前进行规范化）
如果（a.键集（）.size（）！=b.键集（）.size（））{
抛出新的IllegalArgumentException（“向量必须具有相同的长度”）；
}
双magA=0；
双磁极=0；
double dotProd=0；
for（字符串键：a.keySet（））{
双intA=a.get（键）；
双intB=b.get（键）；
/*
*平方和计算
*/
magA+=intA*intA；
磁极+=intB*intB；
/**
*点生产计算
*/
dotProd+=intA*intB；
}
magA=数学sqrt（magA）；
magB=数学sqrt（magB）；
双重相似性=dotProd/（magA*magB）；
返回相似性；
}
}