我正在研究可行的算法/解决方案来实现和解决以下问题：根据用户的共同兴趣匹配用户

示例：
U1: 滑雪、亚洲文化、冥想、Java、加密货币
U2: 瑜伽、冥想、管理、美国旅行建议
U3: 编程、旅行、东方美食

我考虑了基于词语相似性的三个维度：

• 词典同义词
  • wordnet 同义词集
• 紧密的语义相似性（编程 > Java，旅行 > 美国旅行建议）
  • 到目前为止，我考虑了Levenshtein_distance
• 宽松的语义相似性（亚洲文化 >> 东方美食，编程 >> 加密货币，亚洲文化 >> 瑜伽，瑜伽 >> 冥想）
  • 完全不确定，我尝试过word2vec

基于这些方法，我希望计算一个相关性分数，并据此匹配用户。

感谢您的输入！

回答：

Levenshtein distance 在我的实验中对捕捉语义相似性作用不大。

Wordnet 效果不错，但在大词集上处理速度较慢

Word2Vec 是 wordnet 的一个很好的近似，但捕捉相关词汇的全面性不如 wordnet

我还建议您看看Facebook 的 Starspace 中使用的图嵌入算法，特别是关于 Facebook 页面喜欢和推荐的用例