我有一个网站，包含多个项目对象。每个项目都有（例如）：

• 多个标签
• 多个类别
• 一个大小
• 多个类型
• 等等

我想编写一个方法，根据上述标准获取所有“相似”的项目。我可以轻松地为上述每个单一标准检索相似的项目（例如，相似大小的项目或共享一个类别的项目等），但我希望它能更智能，而不仅仅是选择所有上述标准都相同的项目，或者至少有一个共同点的项目。

理想情况下，我希望对每个标准进行加权，例如，具有共同标签的项目比大小相近的项目“相似度”低。一个项目有两个共同标签比只有一个共同标签的项目更相似，等等。

我可以采取什么方法（从实践和数学角度）来实现这一点？

回答：

处理这种情况的常见方法（至少在机器学习中）是创建一个度量相似度的指标——雅卡尔指标在这里似乎是一个很好的选择，因为你有类型、类别、标签等，这些都不是真正的数字。

一旦你有了指标，你可以通过使用KD树、vp树或其他度量树结构来加速搜索相似项目，前提是你的指标遵循三角不等式（d(a,b) < d(a,c) + d(c, b)）