- 博客(1)
- 收藏
- 关注
RSS订阅原创 推荐系统常用相似度计算方法
前几天由于面试需要，整理了一些关于推荐系统中相似度计算方法的内容，加上一些自己的理解，总结如下。1. 欧几里得距离又称欧式距离。对于任两个用户ui和uj，欧式距离就是计算这两个用户的评分向量在n维向量空间中的绝对距离，计算公式如下：由公式可以看出，欧式距离就是计算这两个向量的差的模长。例如在下图所示平面直角坐标中，欧式距离就是两个向量表示的两点间的实际距离，这很符合我们的常规思维，即向量表示的两点间的距离越近，那么这两个向量之间就越相似。实际使用中，我们一般还要进行如下转换:
2020-05-28 13:24:43
8854
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人