我有一个包含多个项目对象的站点。每个项目都有（例如）：
我想根据上述标准编写一个方法来抓取所有“相似”项目。我可以轻松地为上述每个项目单独检索类似的项目（即类似规模的项目或共享一个类别的项目等），但我希望它更智能，然后只选择具有上述所有共同点的项目，或至少具有上述一项共同点的项目。
理想情况下，我想对每个标准进行加权，即具有共同标签的项目不太“相似”，然后是大小相近的项目等。具有两个共同标签的项目更相似而不是一个有一个共同标签的项目等等。
我可以采取什么方法（实际和数学上）来做到这一点？
【问题讨论】：
标签： math machine-learning data-mining taxonomy
处理这个问题的常用方法（至少在机器学习中）是创建一个衡量相似度的指标——Jaccard metric 在这里看起来很合适，因为你有类型、类别、标签等，这不是真正的数字。
一旦你有了一个度量，你可以通过使用 KD 树、vp-tree 或其他度量树结构来加快搜索相似项目，前提是你的度量遵循三角不等式( d(a,b)
【讨论】：
问题是，显然有无数种方法可以解决这个问题。
首先，为每个属性定义一个相似度度量（标签相似度、类别相似度、描述相似度……）
然后尝试将所有这些相似之处归一化以使用通用尺度，例如0 到 1，其中 0 最相似，并且值具有相似分布。
接下来，为每个特征分配一个权重。例如。标签相似度比描述相似度更重要。
最后，将组合相似度计算为个体相似度的加权和。
有无数种方法，因为您显然可以分配任意权重，已经对单属性相似性有多种选择，有无数种方法可以对单个值进行归一化。以此类推。
有一些学习权重的方法。请参阅集成方法。但是，要了解权重，您需要让用户输入什么是好的结果，什么不是。你有这样的训练数据吗？
【讨论】：
将项目比较减少到初始 O(n^2) 以下的可能性（即，将每个项目相互比较）很大程度上取决于上下文。它可能是您软件的真正症结所在，或者如果 n 较低，则可能根本没有必要。
【讨论】：