Python实现用户物品矩阵杰卡德相似度计算

下面是Python代码实现：

import numpy as np

def jaccard_similarity(matrix):
    m, n = matrix.shape
    similarity_matrix = np.zeros((m, m))
    for i in range(m):
        for j in range(i, m):
            intersection = np.sum(np.logical_and(matrix[i], matrix[j]))
            union = np.sum(np.logical_or(matrix[i], matrix[j]))
            similarity_matrix[i][j] = 1.0 * intersection / union
            similarity_matrix[j][i] = similarity_matrix[i][j]
    return similarity_matrix

这个函数接受一个用户物品矩阵作为参数，然后计算出所有用户之间的杰卡德相关系数，返回一个相似性矩阵。其中，相似性矩阵的第i行第j列表示第i个用户和第j个用户之间的杰卡德相关系数。