相似性

拓扑相似性

语义相似性（semantic similarity）定义在一组文档上或者术语上的度量，他们之间的距离基于他们的意义或者语义内容的相似性，而不是语法表示上的相似性。我们可以通过定义拓扑相似性来估计语义相似性。

生物医学上的应用：它们主要用于比较基因和蛋白质的功能相似性，而不是它们的序列相似性，但它们也正在扩展到其他生物实体，如化合物，解剖实体和疾病等方面。

常用来计算相似性：

1.jaccard 相似性：Jaccard指数也称为交集交汇点和Jaccard相似系数（Paul Jaccard最初创造的系数），是用于比较样本集的相似性和多样性的统计量。 Jaccard系数测量有限样本集之间的相似性，并将其定义为交点的大小除以样本集的并集大小：如果AB都是空集的话，也定义为J(A,B) = 1.

如上图，如果所交的区域或者说样本集比较大的话，我们就可以说他们之间的相似性较大。

维基链接：https://en.wikipedia.org/wiki/Jaccard_index

2.高斯相似性：高斯核函数的相似性，可见https://www.cnblogs.com/yan2015/p/5182144.html

3.余弦相似性：余弦相似度是衡量内积空间的两个非零向量之间相似度的度量，它衡量它们之间角度的余弦。具体就是根据词句的内容以及词频，生成向量。计算他们之间的余弦大小，越接近1越相似。更详细的介绍可点击链接http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html

常见的相似性度量：见地址https://blog.csdn.net/xholes/article/details/52708854