您在第二组中忘记了一些2-shingles（二元组但没有重复项），但您的想法是正确的：

$S_1$= { "the quick", "quick brown", "brown fox", "fox jumps", "jumps over", "over the", "the lazy", "lazy dog" }

$S_2$= { "jeff typed", "typed the", "the quick", "quick brown", "brown dog", "dog jumps", "jumps over", "over the", "the lazy", "lazy fox ", "狐狸", "误会" }

备注：对于这个特定的示例，在这两个集合中的每一个中，每个 2 个单词的序列仅出现一次，因此无需删除重复项即可获得该集合。在一般情况下，这可能是必要的（参见 Wikipedia 示例）。

要计算 Jaccard 相似度，我们需要计算：

• 十字路口$S_1 \cap S_2$，即共有的 2 个带状疱疹：| { "the quick", "quick brown", "jumps over", "over the", "the lazy" } | = 5
• 工会$S_1 \cup S_2$，即所有不同的 2 瓦：| { “the quick”, “quick brown”, “brown fox”, “fox jumps”, “jumps over”, “over the”, “the lazy”, “lazy dog”, “jeff typed”, “typed the” , “棕狗”, “狗跳”, “懒狐”, “狐狸”, “误会” } = 15

杰卡德相似度：