[发明专利]一种基于空间格网粒子群的多维度相似度计算方法

权利要求书

1.一种基于空间格网粒子群的多维度相似度计算方法，其特征在于：包括如下步骤：

首先针对已构建的格网粒子画像进行初步特征工程，以此为基础进行归一化特征处理，形成归一化的格网粒子画像；

对归一化后的格网粒子画像利用Euclidean距离算法与Cosine similarity算法分别对格网粒子画像间进行相似度计算，并针对计算结果进行topN排序；

根据二者排序表通过权重控制，再进行聚合运算从而对格网相似度进行去拟合优化，最终生成最佳相似格网粒子群top结果。

2.根据权利要求1所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，所述归一化(Min-Max Normalization)处理，归一化的具体作用是归纳统一样本的统计分布性将空间格网粒子画像属性映射到0～1范围之内，特征处理映射公式如下：

3.根据权利要求1所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，所述euclidean距离公式，利用两点间距离最小相似度最高的方式判定，两空间格网粒子之间的相似度大小，具体euclidean公式如下：

4.根据权利要求3所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，所述euclidean距离公式将数据集代入计算模型中，可以计算出得到所有空间格网粒子的topN倒排表，N为常量控制参数。

5.根据权利要求1所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，所述Cosine similarity算法进行模型计算，Cosine similarity算法计算公式如下：

6.根据权利要求1所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，通过高维空间向量之间的对比分析，根据Cosine similarity算法，将数据集代入计算模型中，可以计算得到空间格网粒子topN倒排表，N为常量控制参数，可以根据调整N的大小来控制，倒排表的规模。

7.根据权利要求1所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，所述euclidean倒排表与Cosine similarity倒排表分别代入混合相似度计算模型中，混合相似度计算模型通过权重参数β控制两算法的重要度排比，并且将根据聚合函数混合计算euclidean倒排表与Cosine similarity倒排表的混合相似结果，生成二者排序结果最优的格网粒子，并针对于混合相似度计算进行综合排序，生成最终的倒排表。

8.根据权利要求1所述的一种基于空间格网粒子群的多维度相似度计算方法，其特征在于，使用测试数据集进行算法评估，GridSreachCV(网格搜索交叉验证)，可以得出算法优化方案，并得出结论，算法的有优异性与使用的格网粒子数据的颗粒度有关。