cluster-analysis - 可以使用什么机制来量化非数字列表之间的相似性？

Question

我有一个食谱数据库，它本质上是一个成分列表及其相关数量。如果给您一个食谱，您将如何识别允许变化和遗漏的相似食谱？例如，用牛奶代替水，用蜂蜜代替糖，或者完全省略一些东西来调味。

当前的策略是对主要成分的组合进行多次内连接，但是对于大型数据库，这可能会非常慢。还有另一种方法可以做到这一点吗？相当于感知散列的东西是理想的！

Answer 1

余弦相似度如何？

这种技术通常在机器学习中用于文本识别，作为一种相似性度量。有了它，您可以计算两个文本之间的距离（实际上是任何两个向量之间），这可以解释为这些文本有多少相似（越接近，越相似）。

看看这个以简单方式解释余弦相似度的好问题。通常，您可以使用任何相似性度量来获取距离来比较您的食谱。本文讨论了不同的相似性度量，如果您想了解更多信息，可以查看。