Métricas de similaridade, também conhecidas como medidas de similaridade, são formas matemáticas de calcular a semelhança ou parentesco de dois objetos. Os objetos podem ser qualquer coisa, desde palavras e documentos até imagens ou até mesmo algoritmos de software. O objetivo dessas métricas é comparar os valores de dois ou mais objetos que se presume estarem relacionados e descobrir o quão semelhantes eles são.
Uma medida de similaridade é geralmente formulada definindo primeiro uma função de similaridade, que mede a similaridade entre dois objetos. Existem diferentes formas de similaridade, como baseadas em sequência, vetoriais ou probabilísticas, mas as medidas populares baseiam-se no cálculo da distância entre dois objetos ou em quão diferentes eles são.
Essas medidas podem ser usadas em muitas áreas, como aprendizado de máquina, problemas de agrupamento, processamento de imagens e processamento de linguagem natural. Eles também são muito úteis para recuperação de informações para combinar documentos ou determinar a semelhança de palavras.
Métricas de similaridade populares incluem Editar distância, similaridade de cosseno, similaridade de Jaccard e distância euclidiana. Editar distância, ou distância de Levenshtein, é um algoritmo que estima a semelhança de duas sequências de caracteres. Ele mede o número mínimo de edições (alterações, inserções ou exclusões de caracteres) necessárias para transformar uma string em outra. A similaridade de cossenos pega dois vetores de um espaço de produto interno e calcula o cosseno do ângulo entre eles. É freqüentemente usado na recuperação de informações e classificação de documentos. A similaridade de Jaccard é uma medida de similaridade entre conjuntos de amostras e é calculada como a razão entre a intersecção dos dois conjuntos e a união dos dois conjuntos. A distância euclidiana é uma distância entre dois pontos no espaço euclidiano e é calculada como a distância entre dois pontos ao longo de linhas retas.
Essas métricas, e outras, são usadas frequentemente em aplicações de engenharia de software e ciência da computação, fornecendo uma maneira poderosa de avaliar a similaridade de objetos.
