向量空间中的相似度度量方法

Similarity in vector Space

Cosine Distance

Euclidean Distance

Manhattan Distance

Chebyshev Distance

Jaccard Coefficient

Similarity in probabilistic space

生成模型将文档表示为概率分布。为了比较两个文档的相似性（概率分布的相似性），给出如下基于信息论的距离比较方法[5]。另另p={p₁,…, p_R}和q=p={q₁, …, q_R}为同一变量的概率质量函数。这两个概率分布的Kullback-Leibler(KL) 距离定义为：

 

KL的取值是非负、非对称的，当两个分布完全相同时，取值为0.

Jensen-Shannon (JS)距离是KL的一个对称、光滑版本：

 

Hellinger距离：

 

其中是Bhattacharyya 系数，余弦相似度的概率分布版本。