相似度计算

在推荐系统中，我们需要计算两个物品的相似度，对于物品的描述，一般都可以量化为一个向量，于是两个物品之间的相似度就可以用两个向量的相关性来描述，这是概率论的范畴了。

假如我们希望相似度的值在0～1之间，并且越相似，值越大，有哪些办法？

1、计算欧式距离，然后根据“相似度=1/（1+距离）”计算相似度。

2、皮尔逊相关系数，在numpy中可以用线性代数模块linalg中的corrcoef()来计算相关系数（correlation coefficient）。得出结果的取值范围是-1～1，可通过“0.5+0.5*corrcoef()”将其 缩放到0～1之间。

3、余弦相似度，计算的是两个向量的夹角的余弦值。余弦值=A*B/（||A||*||B||）。||A||表示A的2范数，可以用linalg模块中的norm()计算。余弦值在-1～1之间，同样需要缩放。

代码：

[python] view plain copy

1. """ 
2. Created on Sun Dec 28 10:33:42 2014 
3.  
4. @author: wepon 
5.  
6. """  
7.   
8. #相似度计算,inA、inB都是行向量  
9. import numpy as np  
10. from numpy import linalg as la  
11.   
12. #欧式距离  
13. def euclidSimilar(inA,inB):  
14.     return 1.0/(1.0+la.norm(inA-inB))  
15. #皮尔逊相关系数  
16. def pearsonSimilar(inA,inB):  
17.     if len(inA)<3:  
18.         return 1.0  
19.     return 0.5+0.5*np.corrcoef(inA,inB,rowvar=0)[0][1]  
20. #余弦相似度  
21. def cosSimilar(inA,inB):  
22.     inA=np.mat(inA)  
23.     inB=np.mat(inB)  
24.     num=float(inA*inB.T)  
25.     denom=la.norm(inA)*la.norm(inB)  
26.     return 0.5+0.5*(num/denom) 
    

测试：

[python] view plain copy

1. >>> inA=array([1,2,3])  
2. >>> inB=array([2,4,6])  
3. >>> euclidSimilar(inA,inB)  
4. 0.21089672205953397  
5. >>> pearsonSimilar(inA,inB)  
6. 1.0  
7. >>> cosSimilar(inA,inB)  
8. 1.0