유사성 측정이라고도 하는 유사성 메트릭은 두 개체의 유사성 또는 관련성을 계산하는 수학적 방법입니다. 개체는 단어와 문서부터 이미지, 심지어 소프트웨어 알고리즘까지 무엇이든 될 수 있습니다. 이러한 측정항목의 목표는 관련이 있다고 가정되는 두 개 이상의 개체 값을 비교하고 해당 개체가 얼마나 유사한지 알아내는 것입니다.
유사성 측정은 일반적으로 두 개체 간의 유사성을 측정하는 유사성 함수를 먼저 정의하여 공식화됩니다. 유사성에는 시퀀스 기반, 벡터 또는 확률 등 다양한 형태가 존재하지만 널리 사용되는 척도는 두 객체 사이의 거리 또는 두 객체가 얼마나 다른지를 계산하는 데 기반을 둡니다.
이러한 측정은 기계 학습, 클러스터링 문제, 이미지 처리, 자연어 처리 등 다양한 영역에서 사용될 수 있습니다. 또한 문서를 일치시키거나 단어의 유사성을 결정하기 위한 정보 검색에도 매우 유용합니다.
널리 사용되는 유사성 측정항목으로는 Edit Distance, 코사인 유사성, Jaccard 유사성 및 유클리드 거리가 있습니다. Edit Distance 또는 Levenshtein Distance는 두 문자열이 얼마나 유사한지 추정하는 알고리즘입니다. 한 문자열을 다른 문자열로 변환하는 데 필요한 최소 편집 횟수(문자 변경, 삽입 또는 삭제)를 측정합니다. 코사인 유사성은 내부 곱 공간의 두 벡터를 가져와 그 사이 각도의 코사인을 계산합니다. 정보 검색 및 문서 분류에 자주 사용됩니다. Jaccard 유사성은 샘플 세트 간의 유사성을 측정하는 것으로, 두 세트의 합집합에 대한 두 세트의 교집합 비율로 계산됩니다. 유클리드 거리는 유클리드 공간에서 두 점 사이의 거리로, 직선을 따라 두 점 사이의 거리로 계산됩니다.
이러한 측정항목 등은 소프트웨어 엔지니어링 및 컴퓨터 과학 애플리케이션에서 자주 사용되며 객체의 유사성을 평가하는 강력한 방법을 제공합니다.
