请教一个相似度算法

[廖雪峰]

现在定义的一个商品有多个属性，例如

商品A：P1, P2, P5, P6, P9
商品B: P2, P5, P6, P7, P9, P10
商品C: P1, P2, P7

则相对于A来说B有4个属性和A相同而C只有2个，

则与A类似的商品应选出B而非C

现在数据都是存在关系表中，一个Product表，一个Property表，一个关联表，

请问如何实现这种最相似匹配的选择算法？
谢谢！

[jixingzhong]

这么设计行不：

商品A：P1, P2, P5, P6, P9 ＝＝》 char A[][3]={"P1","P2", "P5", "P6", "P9",""};
...//末尾的 空串是作为标记用的

然后比较...

[jixingzhong]

需要考虑的一个问题是，
如果属性是子集的情况怎么处理？

比如 B 包含 C 所有属性，
A 包含 C 所有属性，
那么 C 最相似于谁？

或者是 C 和 A B 具有同样个数的一致属性，
如何处理 ...

[yyfhz]

玻璃珠：质量300mg，颜色浅蓝，售价0.05$
钻石A： 质量300mg, 颜色浅蓝，售价5000$
钻石B： 质量290mg，颜色浅绿，售价3000$

能说 玻璃珠和钻石A相似吗？？？

[超级大笨狼]

--CSDN超级大笨狼。





CREATE function get_semblance_By_2words
(
@word1 varchar(50),
@word2 varchar(50)
)
returns nvarchar(4000)
as
begin
declare @re int
declare @maxLenth int
declare @i int,@l int
declare @tb1 table(child varchar(50))
declare @tb2 table(child varchar(50))
set @i=1
set @l=2
set @maxLenth=len(@word1)
if len(@word1)<len(@word2)
begin
set @maxLenth=len(@word2)
end
while @l<=len(@word1)
begin
while @i<len(@word1)-1
begin
insert @tb1 (child) values( SUBSTRING(@word1,@i,@l) )
set @i=@i+1
end
set @i=1
set @l=@l+1
end


set @i=1
set @l=2


while @l<=len(@word2)
begin
while @i<len(@word2)-1
begin
insert @tb2 (child) values( SUBSTRING(@word2,@i,@l) )
set @i=@i+1
end
set @i=1
set @l=@l+1
end

select @re=isnull(max( len(a.child)*100/ @maxLenth ) ,0) from @tb1 a, @tb2 b where a.child=b.child
return @re
end








GO

--测试
--select dbo.get_semblance_By_2words('我是谁','我是谁啊')
--75
--相似度

[lobatt]

楼上的没有认识到lz的问题实质
lz的问题实际上是集合的相似度
对应到你的测试集，就是要先切词(或切字) 再比较
比如“谁是我”和“我是谁啊”的相似度也要是75%...

对于搂主的问题，建议按属性类别输出结果为一个数组。然后使用LCS算法
例如：
玻璃珠：质量300mg，颜色浅蓝，售价0.05$
钻石A： 质量300mg, 颜色浅蓝，售价5000$
钻石B： 质量290mg，颜色浅绿，售价3000$
--借用 火山 的例子:)，然后利用LCS算法

当然火山兄的问题也有道理，因此，真实系统中应该要引入权值机制，比如质地和售价权值较高
颜色和质量权值较低...这样应该可以解决一部分问题

[nako_ruru]

简单的，可以考虑用哈希表来获得两个集合的交集的元素个数。

另外，个人认为LCS和这个略有些区别，毕竟集合是无序性的。