我正在做一个社区网站,需要我计算任意两个用户之间的相似度。每个用户都使用以下属性进行描述:
年龄、皮肤类型(油性、干性)、头发类型(长、短、中)、生活方式(活跃的户外爱好者、电视迷)等。
谁能告诉我如何解决这个问题或向我指出一些资源?
我正在做一个社区网站,需要我计算任意两个用户之间的相似度。每个用户都使用以下属性进行描述:
年龄、皮肤类型(油性、干性)、头发类型(长、短、中)、生活方式(活跃的户外爱好者、电视迷)等。
谁能告诉我如何解决这个问题或向我指出一些资源?
另一种计算(在R中)数据集中观察值之间的所有成对差异(距离)的方法。原始变量可能是混合类型。通过使用 Gower 的一般相异系数(Gower, JC (1971) A general coefficient ofsimilarity and its some properties, Biometrics 27, 857–874)来处理名义、有序和(a)对称二进制数据。如需更多信息,请查看第 47 页。如果 x 包含这些数据类型的任何列,则将使用 Gower 系数作为度量。
例如
x1 <- factor(c(10, 12, 25, 14, 29))
x2 <- factor(c("oily", "dry", "dry", "dry", "oily"))
x3 <- factor(c("medium", "short", "medium", "medium", "long"))
x4 <- factor(c("active outdoor lover", "TV junky", "TV junky", "active outdoor lover", "TV junky"))
x <- cbind(x1,x2,x3,x4)
library(cluster)
daisy(x, metric = "euclidean")
你会得到 :
Dissimilarities :
1 2 3 4
2 2.000000
3 3.316625 2.236068
4 2.236068 1.732051 1.414214
5 4.242641 3.741657 1.732051 2.645751
如果您对分类数据的降维方法感兴趣(也是一种将变量排列到同质集群中的方法),请检查此
给每个属性一个适当的权重,并添加值之间的差异。
enum SkinType
Dry, Medium, Oily
enum HairLength
Bald, Short, Medium, Long
UserDifference(user1, user2)
total := 0
total += abs(user1.Age - user2.Age) * 0.1
total += abs((int)user1.Skin - (int)user2.Skin) * 0.5
total += abs((int)user1.Hair - (int)user2.Hair) * 0.8
# etc...
return total
如果您真的需要相似性而不是差异性,请使用1 / UserDifference(a, b)
三个步骤来实现两个数据点之间差异的简单主观指标,这可能在您的情况下可以正常工作:
然后可以计算两个人之间的差异(我假设 Person.age、.skin、.hair 等已经完成了第 1 步并且是数字):
double Difference(Person p1, Person p2) {
double agescale=0.1;
double skinscale=0.5;
double hairscale=1;
double lifestylescale=1;
double agediff = (p1.age-p2.age)*agescale;
double skindiff = (p1.skin-p2.skin)*skinscale;
double hairdiff = (p1.hair-p2.hair)*hairscale;
double lifestylediff = (p1.lifestyle-p2.lifestyle)*lifestylescale;
double diff = sqrt(agediff^2 + skindiff^2 + hairdiff^2 + lifestylediff^2);
return diff;
}
请注意,此示例中的 diff 不是像 (0..1) 这样的好比例。它的值可以从 0(无差异)到较大的值(高差异)。此外,这种方法几乎完全不科学,它只是为了快速为您提供一个有效的差异度量。
查看计算 srting 差异的算法。它与您需要的非常相似。将您的属性存储为位字符串并计算字符串之间的距离