我有一个内容-based的推荐系统，它的工作…还算可以。我相当确定这是解决这个问题的正确方法（将已建立的“用户”与几乎总是新的“项目”进行匹配，但这些项目包含与现有项目相似的已知特征）。

在研究过程中，我发现几乎所有关于内容-based过滤的例子都使用文章/电影作为例子，并且专门研究从文本块中提取的编码tf-idf特征。这并不完全是我所处理的情况，但我的大部分特征都是布尔特征，因此制作一个类似的向量并查看余弦距离并不特别困难。我还有一个连续特征，我对其进行了缩放并包含在向量中。正如我所说，它似乎有效，但相当不确定，我认为我知道部分原因…

我使用的连续特征是一个评分（我们称之为“美味度”），在几乎所有情况下，更高的分数会表明该项目对用户更有利。它是连续的，但也有一个明确的“方向”（不确定这是不是正确的术语）。一个方向上的错误与另一个方向上的错误是不一样的。

我有一些情况，其中一些用户对“美味度”评分一般的项目给予了高评分，但从逻辑上讲，他们仍然会更喜欢更美味的东西。那个用户的向量可能有一个平均美味度为2.3。我对余弦距离的理解是，在我的模型中，如果该用户遇到了两个新项目，除了一个美味度为1.0而另一个为4.5外完全相同，它实际上会偏向前者，因为它是向量之间的较短距离。

我如何修改或引入其他类型的距离度量，以考虑到美味度错误/距离在一个方向上与另一个方向上的错误/距离是不一样的？

（作为一个次要问题，我如何决定如何最好地缩放这个连续特征与我的布尔特征相邻？）

回答：

解决这个问题有两种基本方法：

(1) 编写你自己的距离函数。明显的方法是从每个向量中移除deliciousness元素，独立评估该差异。对向量的其余部分使用余弦相似性。根据需要将该数值与味道差异结合起来。

(2) 转换你的deliciousness数据，使得生成的度量是线性的。这将允许“正常”的距离度量按预期发挥作用。