可以使用什么机制来量化非数字列表之间的相似性？

Question

我有一个食谱数据库，其基本结构为成分列表及其相关数量。如果您获得食谱，您如何识别允许变化和遗漏的类似食谱？例如，使用牛奶代替水，或者用蜂蜜代替糖，或者完全省略用于调味的东西。

目前的策略是对主要成分的组合进行多个内部联接，但是对于大型数据库来说这可能会非常慢。还有另一种方法吗？相当于perceptual hashing的东西是理想的！

Answer 1

cosine similarity怎么样？

此技术通常用于机器学习，用于文本识别作为相似性度量。有了它，你可以计算两个文本之间的距离（实际上，在任意两个向量之间），可以解释为这些文本的数量相同（越接近，越相似）。

以简单的方式查看解释余弦相似度的this great question。通常，您可以使用任何相似性度量来获取比较食谱的距离。 This文章讨论了不同的相似性度量，如果您想了解更多，可以查看它。