相似度计算方法 1.余弦相似度 
在平面系 a向量与b向量的夹角越小，说明相似度越大，余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫”余弦相似性”。 在三维也是一个道理（x,y,z）确定的一点与点（a,b,c）一点的夹角 高中学过向量a与向量b的乘积定义为： 
所以两者的夹角为 cos=a*b/|a|*|b| 
分子代表：集合n个(x*y)之和 分母：所有集合n个x^2之和开方+n个y^2之和开方 代表向量a集合n维的模 对于多维的也是一样的 集合A：(1，1，2，1，1，1，0，0，0) 集合B：(1，1，1，0，1，1，1，1，1) 
2.欧氏距离： 
就是计算空间上两点间的距离。下图很好体现了欧氏距离和余弦相似度的差异。 
所以可以看出 欧氏距离 适用于 那些 对数值差异大小敏感的 相似度计算， 而 余弦相似度 更适用于 判别方向上的差异，而对绝对的数值不敏感的，比如 通过用户对 内容的评分来区分兴趣的相似度，修正了不同用户之间可能存在度量标准不统一的问题（有的用户默认高分，有的用户默认低分，对于默认低分用户来说7分就表示他喜欢了，而对默认高分用户来说10分才表示喜欢）。
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/41073.html
