我的树的结构很简单，深度为二，每个子节点都是根的直接子节点，每个节点除根外都有一个权重。有没有衡量两棵树相似度的好方法？
这是最初的问题：
假设你有一个关于你读过的书的数据列表。该列表包含键和值，例如哈希表。键是书籍类别，值是您在当前类别下阅读的书籍数量。所以每个人都有这个数据列表，我想根据这个数据列表来比较两个用户的相似度。我知道协作过滤可以做到这一点，但我正在尝试这种方式并将其与 cf.
所以我将数据列表视为加权树。类别为子节点，每个子节点的权重为该类别在用户书籍中出现的次数。
相似度与协同过滤中两个用户的相似度相似。这是一个数字。
问问题
1460 次
1 回答
3
这可以使用集合操作来完成。
几年前，我曾经在 Meta-CVS 软件中实现过这样的相似性度量。这用于在将快照导入分支时识别重命名的文件。当然，可以在基线之间重命名和编辑文件，这意味着您无法执行精确的比较。但我离题了。
杰卡德索引1
首先，两个用户可以对书籍有完全不同的兴趣。或者他们可以有完全相同的兴趣。
您可以做的是计算他们组合的兴趣集的大小，并将他们共同的部分表示为整体大小的一小部分。
假设兴趣集没有加权，而只是设置没有相关权重的类别。然后，相似性可以表示为两个用户共有的类别数除以类别总数。也就是说，集合交集的基数，除以集合并集的基数。
如果涉及重量，您必须以某种方式对其进行处理。也许通过联合的总权重计算集合交集的总权重（注意被零除）。
如您所见，如果用户没有共同的类别，则该指标为 0.0，如果他们对匹配类别感兴趣（无论权重如何），则为 1.0，因此它是可行的。
余弦相似度2
定义相似性的另一种方法是将其视为向量点积（相关性）。首先，确定两个用户之间存在的所有类别。为两个用户中的每一个形成一个向量，其中存在每个类别的权重（如果用户在他的兴趣集中没有该类别，则为零）。
然后，您可以通过将这些向量的点积除以它们的长度的乘积来计算相似度： (A . B) / |A||B|
向量的长度是权重平方和的平方根。（同样，注意被零除。）
在这种相似度度量下，如果用户没有共同的类别，则两个向量垂直，并且它们的点积为零。这个度量基本上是两个向量之间夹角的余弦。余弦越接近 1，向量就越平行（用户的兴趣“在同一方向上对齐”）。
希望这能给你一些想法；但正如你所见，这是开放式的。
于 2012-05-12T02:00:55.077 回答