我遇到了一个相似度问题。我想使用历史数据（过去实施的规则的流量）来预测新规则的流量。这里的流量指的是规则匹配到某人的次数。以下是一个规则的示例：

Person.Age<20 and (Person.number_of_children==3 or Person.married==True) and Person.Work==student and Person.Car.isSportCar==False and Person.Car.Color in [blue,pink,red]

如你所见，规则中包含了很多通过布尔表达式链接的属性。如果一个人及其车辆满足某些条件，规则就会匹配到这个人。为了预测规则的流量，我需要找到规则之间的距离或相似度度量，但我发现很难将规则扁平化为列表达式。如果我这样做，我会丢失信息，原因如下：这是我的规则的列表示示例：

Person.Age : 20Person.number_of_children:3Person.married:TruePerson.work:studentPerson.Car.isSportCar:FalsePerson.Car.Color:[blue,pink,red]

这样我会丢失‘OR’、‘<’和‘in’

将我的规则表达式扁平化是否是个好主意，还是有其他方法？我是否应该将我的规则转换为另一种数据结构（例如树形数据结构）来更好地捕捉它们之间的相似度值？你有什么建议吗？

回答：

在这种情况下，我会尝试将规则的规格转换为集合，这样扁平化它们就变得有意义，然后计算贾卡德距离。贾卡德距离定义为集合的交集与并集的比值。最后，可以对不同的属性进行加权（或不加权，并使用单一集合处理所有内容）。

例如，给定：

Person.Age<20 and (Person.number_of_children==3 or Person.married==True) and Person.Work==student and Person.Car.isSportCar==False and Person.Car.Color in [blue,pink,red]

和：

Person.Age<15 and (Person.number_of_children==2 or Person.married==False) and Person.Work==student and Person.Car.isSportCar==False and Person.Car.Color in [pink,red,white]

将它们转换为如下形式：

Person.Age (5,5,5,5)Person.Relatives (Child,Child,Child,Wife)Person.CarColor (blue,pink,red)Person.Age (5,5,5)Person.Relatives (Child,Child)Person.CarColor (pink,red,white)

然后你的贾卡德距离将是类似于这样的：

Person.Age = 3/4Person.Relatives = 2/4Person.CarColor = 2/4

并根据需要加权聚合它们。