计算数学精解【10】-prolog计算精解（6）

相关度

欧氏距离相似度

• $R^2空间的相似度$

get_xy([X|Y],X,Y).
distance(X,Y,Result):-get_xy(X,X1,Y1),get_xy(Y,X2,Y2),
pow(X2-X1,2,D1),pow(Y2-Y1,2,D2),
D is D1+D2,sqrt(D,Result).
like(A,B):-distance(A,B,Result),write(Result).

?- 
|    load('e:/learn/learn.pro').
Correct to: "win_menu:load('e:/learn/learn.pro')"? 
Please answer 'y' or 'n'? yes
true.

?- like([11,22],[-9,24]).
20.09975124224178
true.

• $R^n空间的相似度$

get_xij([Xij|Tail],Xij,Tail).
get_x12(A,B,X1,X2,Tail1,Tail2):-get_xij(B,X2,Tail2),get_xij(A,X1,Tail1).
distance_i(A,B,D,Result):- get_x12(A,B,Xi1,Xi2,Tail1,Tail2),pow(Xi2-Xi1,2,Di),
Dj is D+Di,distance_i(Tail1,Tail2,Dj,Result).
distance_i([],[],D,Result):- Result is sqrt(D).
like(A,B):-distance_i(A,B,0,Result),write(Result).

 ?- load('e:/learn/learn.pro').
Correct to: "win_menu:load('e:/learn/learn.pro')"? yes
true.

?- like([11,22,33,44],[-24,45,-9,34]).
60.149812967290266
true.

?- 

• 找到最相似度的值（可以是某人，某物体等等）

get_xij([Xij|Tail],Xij,Tail).
get_x12(A,B,X1,X2,Tail1,Tail2):-get_xij(B,X2,Tail2),get_xij(A,X1,Tail1).
distance_i(A,B,D,Result):- get_x12(A,B,Xi1,Xi2,Tail1,Tail2),pow(Xi2-Xi1,2,Di),
Dj is D+Di,distance_i(Tail1,Tail2,Dj,Result).
distance_i([],[],D,Result):- Result is sqrt(D).
like(A,B,Result):-distance_i(A,B,0,Result).

get_B([A|Tail],A,Tail).
most_like(A,Lst,Minresult,X):- get_B(Lst,B,Tail),like(A,B,Result),
write(A),write('-'),write(B),write('='),write(Result),write('===>'),write(Tail),nl,
(Minresult > Result -> Minresult1 is Result,X1=B; 
Minresult1 is Minresult,X1=X),
most_like(A,Tail,Minresult1,X1).
most_like(A,[],Minresult,X1):-write(A),write('->'),write(X1),nl,write(Minresult),nl.

?- most_like([19,29],[[11,22],[33,44],[55,66],[18,27],[14,27]],1000000,[]).
[19,29]-[11,22]=10.63014581273465===>[[33,44],[55,66],[18,27],[14,27]]
[19,29]-[33,44]=20.518284528683193===>[[55,66],[18,27],[14,27]]
[19,29]-[55,66]=51.62363799656123===>[[18,27],[14,27]]
[19,29]-[18,27]=2.23606797749979===>[[14,27]]
[19,29]-[14,27]=5.385164807134504===>[]
[19,29]->[18,27]
2.23606797749979
true 

原理

以下内容来自文心一言的自动生成

一、定义

欧氏距离相似度是一种常用的相似度计算方法，它通过计算两个向量之间的欧氏距离来衡量它们的相似程度。欧氏距离是指在n维空间中两个点之间的距离，即两点之间的直线距离。在相似度计算中，欧氏距离越小，表示两个向量越相似；反之，欧氏距离越大，表示两个向量越不相似。

二、计算

欧氏距离的计算公式为：

$$d(x,y)=\sqrt{\sum _{i=1}^n(x_i-y_i{)}^2}$$

其中，$x$ 和 $y$ 分别是两个n维向量，$x_i$ 和 $y_i$ 分别是向量 $x$ 和 $y$ 的第 $i$ 个元素，$n$
是向量的维度。

三、例子

假设有两个二维向量 $A=(1,2)$ 和 $B=(4,6)$，我们需要计算它们之间的欧氏距离。

1. 计算各维度差的平方： $$(1-4{)}^2=9,(2-6{)}^2=16$$

2. 求和： $$9+16=25$$

3. 开平方根： $$\sqrt{25}=5$$

因此，向量 $A$ 和 $B$ 之间的欧氏距离为5。

四、例题

例题：给定两个对象，分别用元组（22，1，42，10）和（20，0，36，8）表示，计算这两个对象之间的欧氏距离。

解答：

1. 计算各维度差的平方： $$(22-20{)}^2=4,(1-0{)}^2=1,(42-36{)}^2=36,(10-8{)}^2=4$$

2. 求和： $$4+1+36+4=45$$

3. 开平方根： $$\sqrt{45}\approx 6.708$$

因此，这两个对象之间的欧氏距离约为6.708。这个距离值越小，说明两个对象在多维空间中的位置越接近，即它们越相似。

参考文献

1.https://gprolog.org/
2.https://www.swi-prolog.org/
3.文心一言