是否可从Quanteda生成的相似度矩阵中提取平均值与标准差（SD）

完全可以从quanteda输出的相似度矩阵中提取全局/单文档的平均相似度与标准差（SD），操作方法如下：

textstat_simil()默认返回的是dist类的稀疏三角矩阵，需要先转换为完整矩阵再做计算，注意要排除对角线的1值（文档与自身的相似度，无统计意义），同时为了避免重复计算对称的文档对相似度，建议提取矩阵的上三角/下三角数值做统计。

完整操作代码 #

1. 运行你原本的相似度计算代码：

tstat_q <- textstat_simil(dfmat_q, method = "cosine", margin = "documents")

2. 转换为普通矩阵格式：

sim_mat <- as.matrix(tstat_q)

3. 提取所有唯一非自身的相似度数值：

# 取矩阵上三角，排除对角线，得到所有不重复的文档对相似度
sim_values <- sim_mat[upper.tri(sim_mat)]

4. 计算全局平均与标准差：

# 全局平均相似度
mean(sim_values)
# 全局相似度标准差
sd(sim_values)

若要计算单文档的平均相似度/标准差 #

如果需要得到每一篇文档和其他所有文档的相似度均值与SD，可按行遍历计算，排除对角线的1值即可：

# 单文档平均相似度
doc_mean_sim <- apply(sim_mat, 1, function(x) mean(x[x != 1]))
# 单文档相似度标准差
doc_sd_sim <- apply(sim_mat, 1, function(x) sd(x[x != 1]))

内容的提问来源于stack exchange，提问作者Patrizio Tressoldi