欧几里得距离算法是经过人们一致评价的物品为坐标轴,然后将参与评价的人绘制到图上,并考察他们彼此之间距离的远近,如图:

注:图片来源于《集体智慧编程》

就其意义而言,欧几里得距离越小,两个用户相似度就越大,欧氏距离越大,两个用户相似度就越小。

在日常使用中,一般习惯于将相似度与1类比,相似度在数值上反映为0<=Similarity(Xy)<=1,越接近1,相似度越高;等于1时则表示两人具有一样的偏好。那么我们在使用欧几里得距离时,可以通过 1/(1+Distance(XY))来贯彻上一理念,加一是为了避免遇到被零整除的情况。

欧几里德距离是指多维空间两点间的距离,这是一种用直尺测量出来的距离。如果将两个点分别标记为$(p_1p_2p_3....p_n)$和$(q_1q_2q_3.....q_n)$则欧几里德距离的计算公式为:

哈哈,怎么也学起相似度算法之类的ヾ(≧∇≦*)ゝ

部分公式小程序无法显示,请到web端查看。