Dice系数计算

　　Dice距离用于度量两个集合的相似性，因为可以把字符串理解为一种集合，因此Dice距离也会用于度量字符串的相似性。此外，Dice系数的一个非常著名的使用即实验性能评测的F1值。Dice系数定义如下：

　　Dice 系数可以计算两个字符串的相似度：

$Dice(s1,s2)=frac{2*comm(s1,22)}{leng(s1)+leng(s2)}$

　　其中，comm (s1,s2)是s1、s2 中相同字符的个数leng(s1)，leng(s2)是字符串s1、s2 的长度。

 

Python代码实现：

def dice_coefficient(a, b):
    '''dice coefficient '''
    a_bigrams = set(a)
    b_bigrams = set(b)
    overlap = len(a_bigrams & b_bigrams)
    return overlap * 2.0 / (len(a_bigrams) + len(b_bigrams))