algorithm - Strategy设计模式如何实现？

Question

我正在研究推荐系统。这将是一个 Android 应用程序，用户将在其中输入他们的偏好，并根据这些偏好，向该用户显示其他匹配的配置文件。我正在从用户那里获取数据并将其存储在 Firebase 中。

这些是数值，为了向该用户显示匹配的配置文件，我使用两种算法来计算用户之间的相似性计数:余弦相似度 和Pearson 相关性

我正在从应用程序中获取算法的名称，然后执行该算法以向用户显示类似的配置文件。

if (request.query.algo === "cosine") {
  // compute cosine value
} 
else if (request.query.algo === "pearson-correlation") {
  // compute pearson correlation coefficents

}

因为这将是一个实时应用程序，所以这种方法是完全错误的，我想实现策略设计模式，其中算法可以在运行时而不是编译时决定。

那么现在的问题是，在策略设计模式中，我将如何决定何时使用哪种算法？

例如，当您使用信用卡购物时，信用卡的类型并不重要。所有信用卡都有一个磁条，其中包含编码信息。 strip 及其包含的内容代表“接口(interface)”，卡的类型将是“实现”。每张信用卡都可以替换为任何其他信用卡，并且彼此完全独立。

同样，在使用策略设计模式的运行时，我应该根据什么在余弦和 Pearson 之间进行选择？

Answer 1

根据我的理解，在两个用户配置文件具有非常不同的项目集(在本例中为偏好)的情况下，Pearson 的表现会更差。

也许这就是您的标准？如果匹配偏好的数量超过某个阈值，则使用 Pearson，对于其他情况则使用余弦。

您或许可以向您的用户显示一个 CLOSE 匹配列表，它使用余弦来显示配置文件有很多共同点的用户。

然后您可以显示第二个列表，上面写着您可能也感兴趣，它使用 Pearson 来显示没有很多共同偏好的匹配配置文件。