[250402] 자카드 유사도(Jaccard Similarity)란?

자카드 유사도(Jaccard Similarity)

1. 자카드 유사도란?

자카드 유사도(Jaccard Similarity)는 두 집합 간의 유사성을 측정하는 방법이다. 두 집합의 교집합 크기를 합집합 크기로 나눈 값으로 정의된다. 주로 문서나 텍스트의 유사성, 사용자 간 관심사 비교, 추천 시스템 등에서 사용된다.

---

2. 공식 정의 및 수식

두 집합 A, B에 대해, 자카드 유사도는 아래와 같이 정의된다.

• ∣A∩B∣: 두 집합의 교집합 크기
• ∣A∪B∣: 두 집합의 합집합 크기

---

3. 예시를 통한 설명

집합을 통해 구체적으로 살펴보자.

• 집합 A={1,2,3,4}
• 집합 B={3,4,5,6}

이를 통해 자카드 유사도를 계산하면:

• 교집합: A∩B={3,4} → 크기 2
• 합집합: A∪B={1,2,3,4,5,6} → 크기 6

즉, 두 집합의 자카드 유사도는 약 0.33(33.3%)이다.

---

4. 자카드 거리(Jaccard Distance)

자카드 거리란 자카드 유사도의 보수(1에서 빼준 값)를 의미하며, 두 집합 간의 거리를 나타낸다.

​

위 예시의 자카드 거리는 약 0.67(67%)이다.

---

5. 자카드 유사도의 특징 및 활용

장점:

• 계산이 간단하고 직관적이며 이해하기 쉽다.
• 특히 이산적인 데이터를 다룰 때 매우 효과적이다.
• 문서나 텍스트 데이터를 비교할 때 자주 사용된다(예: 문서 유사성 측정, 표절 검사).

단점:

• 단어의 빈도나 중요도(TF-IDF) 등을 고려하지 않고 단순히 존재 여부만 판단하므로 정보가 제한적이다.
• 텍스트 간 의미적 유사성은 충분히 표현하지 못한다.

---

6. 주요 활용 분야

• 문서 및 텍스트 분석 (문서 유사성 평가, 표절 감지)
• 추천 시스템 (사용자 취향 기반 아이템 추천, 유사 사용자 찾기)
• 데이터 마이닝 및 클러스터링 (군집 간 유사성 평가)

---

7. 다른 유사도 측정 방법과 비교

• 코사인 유사도(Cosine Similarity): 문서 벡터의 각도를 이용한 유사도 측정법으로, 벡터화된 데이터를 비교할 때 유용하다.
• 유클리디언 거리(Euclidean Distance): 좌표 공간에서 점 간의 거리로, 수치형 연속 데이터를 측정할 때 주로 사용된다.
• 피어슨 상관계수(Pearson Correlation Coefficient): 두 변수 간 선형 관계를 측정할 때 사용된다.

자카드 유사도는 특히 집합 형태의 이산적인 데이터에서 우수하며, 존재 여부만을 비교할 때 유용하다.

---

8. 결론 및 핵심 요약

• 자카드 유사도는 두 집합의 유사성을 교집합과 합집합 비율로 정의하는 간단하고 직관적인 방법이다.
• 추천 시스템, 문서 비교, 데이터 마이닝 등에 널리 사용된다.
• 이산 데이터에 강점이 있고, 연속 데이터 또는 텍스트의 의미적 유사성 측정에는 제한이 있다.