算法-计算用户相似度算法

Question

如题，根据用户行为分析用户相似度，从而给指定用户推荐相似度最高的用户为社区好友。
现在已知几种：
余弦相似性
皮尔森系数
调整余弦相似性
欧几里得距离（欧式距离）

等算法，但是不知道个有什么优缺点。。 请大家对这问题发表下见解。。。

Answer 1

余弦相似性：把用户评分看作是n维项目空间上的向量，通过计算两个向量之间的夹角余弦来度量两个用户之间的相似性。

皮尔森系数：又称相关相似性，通过Peason相关系数来度量两个用户的相似性。计算时，首先找到两个用户共同评分过的项目集，然后计算这两个向量的相关系数。

调整余弦相似性：将余弦相似性中的向量，减去用户平均评分向量后，再计算夹角余弦以修正不同用户评分尺度不同的问题。

在数据比较稀疏的情况下，这几种方法均存在一定问题：余弦相似性和调整余弦相似性对于用户未评价项目评分为0的假设；皮尔森系数中用户共同评分项目集可能很小。