是否可以使用具有余弦相似度的 KDTree？

Question

例如，看起来我不能将此相似性度量用于sklearnKDTree，但我需要，因为我正在使用测量词向量相似性。对于这种情况，什么是快速稳健的定制算法？我知道Local Sensitivity Hashing，但它应该调整和测试很多才能找到参数。

Answer 1

当您首先对所有数据点进行归一化时，您使用余弦相似度获得的排名等同于欧几里德距离的排名顺序。因此，您可以将 KD 树用于 KDTrees 的 k 个最近邻，但您需要重新计算余弦相似度。

余弦相似度不是通常呈现的距离度量，但它可以转换为一个。如果完成，您可以使用其他结构（如 Ball Trees）直接使用余弦相似度进行加速 nn。如果您对 Java 实现感兴趣，我已经在JSAT库中实现了它。