4.2 基于Jaccard相似系数的相似度计算

Jaccard系数主要用于计算个体间的相似度，个体的特征属性可以通过符号度量或者布尔值标识，所以不能直接通过特征属性的差异进行直接计算，只能通过特征属性是否相似进行比较。

4.2.1 计算流程

（1）分词处理。

（2）将网页1内容对应的词语当作一个集合1，网页2内容对应的词语当作一个集合2……

（3）计算集合之间的交集、并集。

（4）计算交集数量于并集数量的比，其比值为网页之间的相似度衡量标准，该衡量标准的原理即称作Jaccard相似系数。

4.2.2 侠义Jaccard相似系数

4.2.2 广义Jaccard相似系数