相似性计算方法

局限性

特点

Jaccard相似系数

对于稀疏数据，共同评分项目非常稀少时相似度计算不准确；样本的特征值为非二进制，无法使用；容易受热门项目的影响。

值域[0, 1]，计算复杂度较低。适用于样本的特征值为二进制。平行的评分向量下不受影响。

余弦相似性

对于稀疏数据，共同评分项目非常稀少时相似度计算不准确；存在平行的评分向量，无法直接对其相似度关系进行描述。

值域[−1, 1]，对向量进行了归一化处理，解决了向量个体间存在度量标准不统一问题产生的计算偏差；相比于距离相似性能够很好的对向量间的相似度值进行了量化。

Pearson相似性

对于稀疏数据，共同评分项目非常稀少时相似度计算不准确；存在平行的评分向量，无法直接对其相似度关系进行描述。

值域[−1, 1]，相比于余弦相似度对变量进行了均值化(或去中心化)处理，减少变量个体的数值差异对变量间相似度的影响。

距离相似性

对于稀疏数据，共同评分项目非常稀少时相似度计算不准确；特征刻度指标不同，其计算结果可能会失效。

值域[0, ∞]；从向量间的绝对距离区分差异，对向量各个维度内的数值特征非常敏感；用于需要从维度的数值大小中体现差异的相关度分析。