您可以使用Generalized Jaccard Index，并假设集合实际上是一个多重集：$s$

如果和是两个具有实数的向量，那么它们的 Jaccard相似系数定义为 $\mathbf{x} = (x_1, x_2, \ldots, x_n)$$\mathbf{y} = (y_1, y_2, \ldots, y_n)$$x_i, y_i \geq 0$

$$J(\mathbf{x}, \mathbf{y}) = \frac{\sum_i \min(x_i, y_i)}{\sum_i \max(x_i, y_i)}.$$

在这里，您可以将“vector”读作“multiset”，而x_i是multiset \mathbf x中元素i$x_i$的计数。$i$$\mathbf x$

你想如何考虑重复？我缝了几种方法可以做到：

1. 您可以忽略它，结果索引值为；$J(s,m)=2/3$
2. 您可以计算重复的单词，就好像它们是不同的单词一样。那么它将是 ，现在联合是 4 因为“特殊”在联合中出现了两次；$J(s,m)=2/4$
3. 您可以计算具有不同权重的重复单词。例如 0.5, ，'special' 的权重为 1.5，第一次出现时为 1，第二次出现时为 0.5。$J(s,m)=2/3.5$

但我会说这取决于你想要做什么以及你如何解决你的问题。