短文本相似度

欧式距离 空间绝对距离，数值差异影响较大，反应数值差异
余弦相似度 只考虑空间向量夹角，忽略向量数值长度，反应变动趋势
修正余弦相似度 在余弦相似度基础上 增加数值的影响
皮尔逊相关系数 和修正余弦相似度 不同在于减去的均值不同
莱温斯坦距离（编辑距离）
Jaro–Winkler相似度 jaro-winkler相似度对于前缀匹配更友好，并且越往前面匹配成功带来的权重更大。适用于短语，不适合句子
杰卡德相似度 两个集合之间的相似性，它被定义为两个集合交集的元素个数除以并集的元素个数 。只考虑了词的比例忽略了词频以及结构（顺序性）
汉明距离 用于相同长度，结合simhash 做长文本去重或者图像像素的匹配（同图搜索）

已有的轮子 
<dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-text</artifactId>
            <version>1.10.0</version>
</dependency>

接口  EditDistance 的实现类
   
HammingDistance                   汉明距离
CosineDistance                    余弦距离(只对全是英文字母的字符串生效，分词器导致的)
LevenshteinDistance               莱温斯坦距离（编辑距离）
JaccardDistance                   杰卡德距离
JaroWinklerDistance               jaro-winkler距离