标题相似度算法_相似度计算方法

相似度就是比较两个事物的相似性。一般通过计算事物的特征之间的距离，如果距离小，那么相似度大；如果距离大，那么相似度小。

问题定义：有两个对象X,Y,都包含N维特征，X=(x1,x2,x3,...,xn),Y=(y1,y2,y3,...,yn),计算X和Y的相似性。

闵可夫斯基距离(Minkowski Distance)

曼哈顿距离(Manhattan Distance)

p=1时，闵可夫斯基距离就是曼哈顿距离。

又称城市街区距离，在方正的北京大街打车，行车距离就是曼哈顿距离，如果在山城重庆就不是了。

欧氏距离(Euclidean Distance)

p=2时，闵可夫斯基距离就是欧氏距离。

在平面几何或者立体几何中的距离，通常就是欧氏距离，所以欧氏距离也最容易理解。

np.sqrt(np.sum(np.square(x-y)))

切比雪夫距离(Chebyshev Distance)

p等于无穷大时，闵可夫斯基距离就是切比雪夫距离。

def twoQBXFdis(a,b):

return max( abs(a[0]-b[0]), abs(a[1]-b[1]))

若将国际象棋棋盘放在二维直角坐标系中，格子的边长定义为1，座标的x轴及y轴和棋盘方