複数のフラグ変数を比較して類似スコアを算出する

この記事は以下のブログを題材にしています

1.想定される利用目的

先頭レコードと比較して同じフィールド（列）にフラグが立った数をカウントする
・形態素に分解した文章/特許/コンタクトログの類似度を判定する
・アンケートの複数回答や購買記録から類似する被験者や顧客を特定する

2.サンプルストリームのダウンロード

3.サンプルストリームの説明

a.入力するデータのひとつ目は以下の通りです。類似度を求める対象レコードです。

b.入力するデータのふたつ目は以下の通りです。

c.[レコード追加]ノードを配置します。フィールドの構造と型が一致しているのでデフォルト設定にします。

d.[フィールド作成]ノードを編集します。@￰INDEXでレコードに連番を振ります。この時比較対象をゼロにして2行目から１を割り当てるため@￰INDEX−１とします。

[プレビュー]します。INDEXの1から10を先頭0と比較していきます。

e.[フィールド作成]ノードを編集します。[モード]を[複数]に選択して[フィールドリスト]にAからGを投入します。新しいフィールド（列）がもう1セットできるので拡張子を[_一致]として識別します。
INDEXが0の場合にはヌル（undef）を割り当てそれ以外は各フィールドの先頭行と掛け算を行います。
@￰FIELDはワイルドカードです。@￰OFFSET（列,N）は N行上のレコードを参照します。

[プレビュー]します。例えば赤枠の箇所を例にとると5行上の対象セル（青枠）を参照し
A　✖︎　@￰OFFSET（A,5）が計算され[A_一致]（緑）に1が記述されます。

f.[フィールド作成]ノードを編集します。

[プレビュー]します。

注意点

@￰OFFSET関数はSQLプッシュバックが効かないため、大規模データセットでは別途工夫が必要です。

4.　参考情報

1行上/先頭行との値の差を求める

SPSS Modeler ノードリファレンス目次

SPSS Modeler 逆引きストリーム集（データ加工）