关键词共现相似度是怎样计算的？

我在度这篇论文范文《基于模糊认知图的在线健康社区知识推荐研究》，里面提到了关键词共现相似度，我很好奇这个是怎样计算的。

我一直在用GooSeeker分词和文本分析软件，该软件能够生成共现矩阵，另外还有一系列使用共现词做计算的Python程序可以选用，比如，计算TextRank，计算各种中心性：

1. 怎样使用Jupyter Notebook计算接近中心度
2. 如何使用Jupyter Notebook计算中介中心度(betweenness centrality)
3. 怎样利用集搜客的共词矩阵表计算点度中心性(Degree centrality)
4. Jupyter Notebook使用Python计算特征向量中心度(Eigenvector Centrality)
5. 科技政策文本分词后在Jupyter Notebook中用TextRank做关键词提取

Python的networkx程序库还有很多网络运算的函数，但是我没有看到关键词共现相似度的计算方法和应用场景，我看到论文中提到Pearson相关系数，是用来计算相似度的吗？

Pearson系数应该是指统计学上的3大重要相关系数之一：pearson 描述的是线性相关关系，取值[-1, 1]。负数表示负相关，正数表示正相关。在显著性的前提下，绝对值越大，相关性越强。绝对值为0， 无线性关系；绝对值为1表示完全线性相关。

马涌河畔 发表于 2021-9-23 16:38
Pearson系数应该是指统计学上的3大重要相关系数之一：pearson 描述的是线性相关关系，取值[-1, 1]。负数表 ...

我大概明白这个论文是怎么做的了。

比如，用GooSeeker分词和文本分析软件导出共现矩阵后，看列向量，比如，分析下岗话题，取词的列向量，比如“国企”，“国营企业”，那么列向量就会跟词语A,B,C,D.....出现贡献关系，表示列向量中每个数字表示共现权重。在excel中，可以直接求“国企”和“国营企业”这两列的Pearson相关系数，假设“国企”是我们的研究对象，那么它与“国营企业”，“民企”，“企业”等等所有词的相关系数计算出来以后，做一个排序，把最相关的词找出来。

那么，我在想两个问题：
1，这个相关性真的符合实际要测量的量的意义？计算相关系数确实是推荐算法常用的计算，但是，共现词真的能说明问题？
2，直接用word2vec找相似词会不会更合适？参看这个word2vec的计算教程《Jupyter Notebook使用Gensim库做中文word2vec模型计算》

这篇文章特别好《万物皆Embedding，从经典的word2vec到深度学习基本操作item2vec》，我认为楼主提问涉及的Pearson相关系数计算可以用embedding来实现，我推荐的这篇文章有很详细的实现方案。

我曾经一行行写程序，从0开始实现了描述性统计所有计算，然后实现了Pearson相关系数的计算。但是，仅仅是为了编程，使用的测试数据很理想。但是，在大数据环境下，数据将极其稀疏，其实我一直有怀疑，Pearson相关系数计算能有效吗？所以，我认为embedding是最好的选择，利用embedding，生成了不再稀疏的数据。

楼主提到的那篇论文，如果我来计算，我可能是这样的：
1，把所有文献的关键词字段都整理出来
2，每篇文献的关键词字段就是一个词序列
3，把这些序列放到embedding模型中进行训练，得到每个词的词向量
4，可以利用欧式距离得到每个词的最近的topn个词