Jaccard(杰卡德指数/相似度)是衡量两个集合重叠程度的经典指标,定义为集合交集大小与并集大小之比,取值 0 到 1,广泛用于信息检索、推荐系统、文本去重和机器学习评估。近年来,它不仅在传统的相似度计算中持续发挥作用,还在差分隐私、多标签学习评估等新兴方向上成为研究焦点。
Jaccard 的近期研究进展
在理论层面,多标签分类的 Jaccard 评估迎来新的结果。研究《多标签Jaccard测度的凸校准维度指数下界》给出了凸校准维度方面的指数级下界,说明用代理损失精确优化 Jaccard 指数在计算上存在固有难度,这对多标签学习的损失函数设计有直接影响。
在隐私保护方向,Jaccard 被用作图数据处理中的采样工具。EdgeRefine:基于Jaccard采样的图边差分隐私新框架提出利用 Jaccard 采样对图边进行差分隐私处理,在发布图数据时兼顾隐私与可用性。
在应用评估中,Jaccard 类指标也常用于衡量模型输出与参考答案的重叠程度。例如在基于状态空间模型 Mamba-3 的单目 3D 点跟踪方法等视觉与序列建模工作中,集合重叠度指标仍是评估预测质量的重要手段之一。
当前焦点与观察点
目前围绕 Jaccard 的讨论主要有三条线索。其一是可优化性问题:上述校准维度下界表明,Jaccard 作为评估指标虽然直观,但直接作为训练目标代价高昂,如何用近似或分解的方式逼近它仍是多标签学习的研究热点。
其二是工程实践中的效率问题。在海量文本去重、推荐召回等场景下,直接计算两两集合的交集与并集成本很高,MinHash、SimHash 等基于 Jaccard 的近似算法依旧是工业界的主流方案。
其三是指标选择之争。在 RAG 与检索评估中,Jaccard 与余弦相似度、重叠率等指标各有适用场景;如何根据任务特点选对重叠度度量,仍需结合具体数据分布来判断。总体来看,这个诞生于上世纪的指标正以新的形式融入隐私计算、大模型评估等前沿领域,理论性质与实践效率的平衡是其持续演进的方向。