设计相似度表答案

【问题标题】：designing a similarity table设计相似度表
【发布时间】：2012-04-26 22:23:00
【问题描述】：

我想不出更好的方法来解决以下问题...？想象一下，我有一张大桌子，其中的行和列是某种 ids.. 假设是 book id

book_id-->1    2     3     .....
  1       1   0.92    0.33
  2
  3

此表中的条目告诉您每本书的相似程度。所以从上表看.. 书 1 和书 2 的相似度指数为 0.92。

所以，我已经在银行端计算了这个……比如说“n”个条目。

从 n+1 开始，数据是实时的..

所以我要做的第一步是填充这个新行。这是一个非常幼稚的方法。

 i = 0; i < total_books ; i++
    sim(book(n+1),book(i))

假设计算任何书籍相似度的计算速度非常快。但由于这必须发生“n”次，所以这加起来..

如果有“m”本新书，那么它是一个 n^2 操作（我认为）。是否有更好的算法/数据结构可以使这种计算可接受。

另外，只是为了填充一些背景。这种相似性只不过是两个向量之间的点积。（谷歌搜索余弦相似度会给出一个想法）。但它没什么特别的......只是在两个向量之间取点积......它会返回一个介于 0 和 1 之间的值。

【问题讨论】：

如果您想要相似度度量的笛卡尔平方，那么我看不出如何将其减少到 O(n^2) 之外。但是，如果您有其他目标，例如识别新文档的相似性 > X，那么文献中已经开始出现一些有趣的方法。你想做什么？

【解决方案1】：

当您将 1 本书添加到 n 本书的集合中时，它会执行 n 次操作当您将 m 本书添加到 n 本书的集合中时，它会执行 (n) + (n+1) + ... (n+m-1) 操作（待验证）：n*m + (1+ 2 + ... (m-1)) 所以它应该是 O(n*m + m*m)。

如果您以幼稚的方式实现了您的解决方案，您可以通过仅当 id(book_i)

【讨论】：