互联网中寻找相似实体(lookalike)算法优化方案

最近在调研给定一个用户，如何高效找到与该用户相似的其他用户，即相似用户查找 (lookalike), 在网上做了些调研，希望和大家分享一下，当前阶段的一些调研结果。

当前普遍通过笛卡尔距离（Jaccard Distance）, 余弦距离（Cosine Distance）, 编辑距离（Edit Distance）和汉明距离（Hamming Distance）等来量化两个实体之间的相似度，以下简单介绍以上几个概念：

1. 笛卡尔距离(Jaccard Distance)[1], 描述给定两个集合A和B，笛卡尔距离表示为 $1 - \frac{A \cap B}{A \cup B}$ ，分子和分母表示为集合交集和并集的大小
2. 余弦距离（Cosine Distance）[2]，通常用于描述两个向量 A, B（通指特征向量）在空间(Euclidean Space)中的距离 ∑ni=0ai∗bi∑ni=0a2