相似度测量


在分类聚类算法,推荐系统中常常需要计算物品之间的相似度,而如何衡量物品之间的相似度,下文将介绍几种常用的计算方法。

  • 曼哈顿距离 (Manhattan Distance)
  • 欧氏距离 (Euclidean Distance)
  • 皮尔逊相关系数 (Pearson Correlation Coefficient)
  • 余弦相似度 (Cosine Similarity)
  • 修正余弦相似度 (Adjust Cosine Similarity)

曼哈顿距离[1]

我们可以定义曼哈顿距离的正式意义为L1-距离城市区块距离,也就是在欧几里得空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和。

(1) 在二维平面中,用户可以用一个二维坐标来表示



(2) 将上述情况扩展到n维欧式空间,用户可以用一个n维向量来表示,即如下表示:

n维下的曼哈顿距离就可以表示为:

欧式距离[2]

欧式距离即是欧式空间中两点间的直线距离,如下是二维空间中两点的直线距离:

Euclidean.png

在 欧几里得空间中,假设存在两点 x, y,则距离如下计算



皮尔逊相关系数[3]

统计学中,皮尔逊积矩相关系数 用于度量两个变量X和Y之间相关(线性相关),其值介于-1与1之间。在自然科学领域中,该系数广泛用于度量两个变量之间的相关程度。

在 欧几里得空间中,假设存在两个 x, yn 维向量,则皮尔逊相关系数计算公式如下:


系数的r值为1 或 -1意味着XY可以很好的由直线方程来描述,所有的数据点都很好的落在一条直线上,系数的值为0意味着两个变量之间没有线性关系。

在实际计算时,可以使用下列皮尔逊系数的近似计算公式:


余弦相似度[4]

Cosin.jpg

余弦相似性通过测量两个向量的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1,而其他任何角度的余弦值都不大于1;并且其最小值是-1。

这结果是与向量的长度无关的,仅仅与向量的指向方向相关。

应用:在信息检索中,每个词项被赋予不同的维度,而一个文档由一个向量表示,其各个维度上的值对应于该词项在文档中出现的频率。余弦相似度因此可以给出两篇文档在其主题方面的相似度。

x, y对应于欧式空间中两个向量,则余弦相似度的计算公式如下:

修正余弦相似度

修正余弦相似度,考虑到用户的评分尺度问题,比如在评分为[1, 5]之间,有的用户即使很是喜欢,但是其给的评分依旧不会很高,同理即使很不喜欢给的评分也不会很低,所以通过减去用户对项评分的均值,修正的余弦相似性度量方法改善了以上问题。

计算公式如下:


其中,U表示所有对 i 和 j 进行过评级的用户组成的集合

末尾

你可能觉得这些都是比较基础的知识,但是这却是我接下来要写文章的基础,所以先把基础都打牢固。接下来将会写协同过滤的文章,到时候我会结合代码,这样更加清晰易懂。

吐槽一下,编辑这些数学公式,真是费心呀!!!


  1. https://zh.wikipedia.org/wiki/%E6%9B%BC%E5%93%88%E9%A0%93%E8%B7%9D%E9%9B%A2

  2. https://zh.wikipedia.org/wiki/%E6%AC%A7%E5%87%A0%E9%87%8C%E5%BE%97%E8%B7%9D%E7%A6%BB

  3. https://zh.wikipedia.org/zh-cn/%E7%9A%AE%E5%B0%94%E9%80%8A%E7%A7%AF%E7%9F%A9%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0

  4. https://blog.sectong.com/blog/cosine_similarity.html

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342

推荐阅读更多精彩内容

  • @synthesize和@dynamic分别有什么作用?@property有两个对应的词,一个是 @synthes...
    笔笔请求阅读 506评论 0 1
  • 原文:http://blog.csdn.net/nishiwodeangel/article/details/12...
    mogu酱阅读 1,163评论 0 7
  • 转自:http://www.cnblogs.com/heaad/archive/2011/03/08/197773...
    罗田阅读 1,439评论 0 4
  • 一、说明 相似性度量用以描述两个向量之间的相似性,是一个值域为一维的二元函数。一般情况,相似性度量本质上指距离度量...
    Herbert002阅读 8,783评论 0 10
  • 不知道从什么时候开始,人们开始谋划起来,说,七月初七才是属于中国人的情人节,于是乎,七夕这个日子变得越来越重要,越...
    卷耳朵朵阅读 239评论 0 1