【推荐系统】相似度量

在推荐系统以及其他相关行业中经常会用到相似度量，基于相似user或者item做推断、统计

在判定相似时，存在一些常用的相似计算的方式：欧氏距离、余弦距离、皮尔逊相似度等

那如何判断应该使用那种距离计算方式去计算相似度呢

• 欧氏距离评估的是位置差异，实质就是喜好均值差异
• 余弦距离评估的是方向差异，实质就是兴趣差异
• 皮尔逊相似度主要针对的是购物篮数据，来评估选择的交集情况

举个俗套的电影评分的例子：

如果没有具体的分值度量，用户只标记其喜欢的电影（或者认为看过即喜欢，而没有喜好程度），我们可以认为如果两个用户看的电影基本一直，则这两个用户看电影的品味就很相似，这个时候往往使用皮尔逊度量是相对合适的

而当用户标记的电影存在的喜欢的程度，就有了位置差异的概念了。比如对比《肖生克的救赎》和《忠犬巴公》，我和你可能都更喜欢《忠犬巴公》多一点，而另外一个小伙伴更喜欢《肖生克的救赎》，但是我打分水平和另外小伙伴的打分水平都相对高一点在8+，而你对电影可能要求更严格一些，评分多集中在6左右

那从兴趣点差异来讲，我和你的观影审美是比较一致的，而另外的小伙伴就和我们有差异，这时候就可以用余弦距离了，余弦距离和皮尔逊度量的差异就在于有了喜好程度的不同

但是从喜好均值来讲，我和另一个小伙伴的打分均值更接近，而和你相差更远一点，这时就需要用欧式距离来计算了

而在推荐系统里面，大部分时候我们都建立在一个假设：基于兴趣相似做推荐，也就是观影时，你个人对哪部电影更感兴趣，所以往往选择预先距离进行计算，但是不同应用场景这个假设可能会发生变化，如在做购物意愿的判断时，做推荐的需求就是像那些有购物倾向的人做推荐，而不单单考虑兴趣了（因为关注营收的人并不care那些对商品很有兴趣但是无论如何也不会买的人）

更深一步讲，这其实就涉及到用户在整个行为链过程中，不同环节的关注点和计算逻辑是不同的，评判相似的依据也是不同的。所以建模和实际需求的关联很重要。。。

补充一个同时考虑位置和方向的相似评估方法：

可按照自己的需求构建相应的相似评估方式~~