根据各种标准选择一个项目的理论是什么？

Question

我需要解决一个问题，即项目A 必须与数千个其他项目进行比较，并找出哪些项目与项目A最相似。

我想根据它们与项目A 的相似程度为每个项目分配权重。各种标准将决定最终的重量。例如，如果item1.someProperty == otherItem.someProperty，那么我将权重增加5，如果item1.anotherProperty == otherItem.anotherProperty，那么我只将权重增加1，因为someProperty比anotherProperty更重要。

我正在描述这一切的原因是，我想知道是否有任何理论可以帮助我创建这个系统。特别是，如何选择每个标准的权重，如何计算项目的最终权重，以及如何构建所有这些标准。

那么有人知道是否有任何理论可以提供帮助？或者也许有更好的方法来做我想做的事情？

Answer 1

这至少表面上类似于信息检索（IR）的vector space model（VSM）。这通常基于词袋，但它可以适应其他数据表示。

您描述的权重将与VSM IR中所谓的“字段提升”相对应。

但另见nearest neighbor search。

Answer 2

您可以将自己的属性视为尺寸，并将它们构成距离。如果属性之间存在相关性，您也可以考虑这一点（google for Mahalanobis distance）。

但基本上它归结为

 float distance(a, b) {
    return w1 * ABS(a.x - b.x)
         + w2 * ABS(a.y - b.y)
           ...
    ;
 } 

不是总结条款，你可以总结平方的术语（惩罚大的差异），任何事情都可以。

对于标称数据，您可以使用一些基于熵的差异度量。

Answer 3

您可以阅读与机器学习相关的任何书籍，例如this one。算法KNN（K near neighour）解决您的问题。 您必须基本上定义问题的距离度量，然后比较这些距离。