例如，我无法使用sklearn kdtree的这种相似性度量，但是我需要，因为我使用测量词向量相似性。对于这种情况，什么是快速鲁棒的自定义算法？我知道Local Sensitivity Hashing，但应该调整＆amp;测试了很多以找到参数。
当您首先将所有数据点标准化时，您将使用余弦相似性获得的排名等于欧几里得距离的等级顺序。因此，您可以使用KDTrees的K最近的K邻居使用KD树，但是您需要重新计算余弦的相似性。
余弦相似性不是正常呈现的距离度量，而是可以转化为一个。如果这样做，则可以使用其他结构（例如球树）直接使用余弦相似性加速NN。如果您对Java实施感兴趣，我已经在JSAT库中实现了此功能。
根据此页面末尾的表，余弦支持eoth k-d-tree应该是可能的：elki用R-Tree支持余弦，您可以为k-d得出界限的矩形-tre，也是；K-D-Tree在该表中至少支持五个指标。所以我不明白为什么它不应该工作。不幸的是，Sklearn中的索引支持通常不是很完整（尽管有所改善）。因此，不要将其作为参考。
虽然K-d-Tree理论上可以通过
来支持余弦- 转换数据以使余弦成为欧几里得距离
- 使用边界框和与边界框的最小角度（这似乎是Elki为R-Tree所做的）
您应该知道，K-D-Tree与高维数据不能很好地工作，并且余弦在非常高的数据中很受欢迎。K-D-Tree总是只看一看一个维度。如果您希望使用一次所有D维度，则需要O（2^d）数据点。对于高d，无法使用所有属性。R-Tree在这里稍好一些，因为它使用了边界框。这些在各个维度的每一个分裂中都缩小，因此修剪的确会变得更好。但这也意味着它需要大量的记忆来对此类数据，并且树木的结构可能会遇到相同的问题。因此，从本质上讲，不要将其用于高维数据。
，但也不认为余弦会神奇地改善您的结果，尤其是对于高清数据。它被高估了。如上所述所示，不能成为余弦比欧几里得的系统益处：余弦是欧几里得的一种特殊情况。
对于稀疏数据，倒置列表（C.F. Lucene，Xapian，Solr，...）是索引索引的方法。