MBR সাদৃশ্য গণনা করার পদ্ধতি হল দূরত্ব। কিছু সত্য দূরত্ব মেট্রিকের জন্য, বিন্দু A থেকে বিন্দুর দূরত্ব, d(A,B) দ্বারা নির্দেশিত, চারটি বৈশিষ্ট্য রয়েছে যা নিম্নরূপ −
-
ভালভাবে সংজ্ঞায়িত − দুটি বিন্দুর মধ্যে দূরত্ব ক্রমাগত সংজ্ঞায়িত করা হয় এবং এটি একটি অঋণাত্মক বাস্তব সংখ্যা, d (A,B) ≥ 0৷
-
পরিচয় − একটি বিন্দু থেকে নিজের দূরত্ব ক্রমাগত শূন্য, তাই d (A, A) =0৷
-
কমিউটিটিভিটি − দিকনির্দেশ একটি পার্থক্য তৈরি করে না, তাই A থেকে B দূরত্ব B থেকে A পর্যন্ত দূরত্বের সমান:d(A,B) =d(B,A)। এই বৈশিষ্ট্যটি একমুখী রাস্তা বাদ দেয়, উদাহরণস্বরূপ।
-
ত্রিভুজ অসমতা − এটি A থেকে B পর্যন্ত পদ্ধতিতে একটি মধ্যবর্তী বিন্দু C পরিদর্শন করতে পারে, তাই d (A,B) ≥ d(A,C) + d(C,B)।
এমবিআর-এর জন্য, পয়েন্টগুলি অবশ্যই একটি ডাটাবেসের ডেটা। দূরত্বের এই বর্ণনাটি কম্পিউটিং সাদৃশ্যের ভিত্তি, কিন্তু এমবিআর বেশ ভালভাবে কাজ করে যখন এই সীমাবদ্ধতাগুলির মধ্যে কিছু কিছুটা তৈরি হয়।
উদাহরণ স্বরূপ, খবরের গল্পের সংজ্ঞা কেস স্টাডিতে দূরত্বের কার্যকারিতা পরিবর্তনযোগ্য ছিল না যেমন একটি সংবাদ গল্প A থেকে অন্য B এর দূরত্বটি B থেকে A থেকে দূরত্বের সমান ছিল না। তবে সাদৃশ্য পরিমাপ শ্রেণিবিন্যাসের উদ্দেশ্যে উপকারী ছিল। .
সত্য যে দূরত্ব ভালভাবে সংজ্ঞায়িত করা হয়েছে তা বোঝায় যে প্রতিটি ডেটার ডাটাবেসের কোথাও একটি প্রতিবেশী রয়েছে এবং MBR এর কাজ করার জন্য প্রতিবেশীদের প্রয়োজন৷ আইডেন্টিটি প্রোপার্টি দূরত্ব তৈরি করে স্বজ্ঞাত ধারণার সাথে সঙ্গতিপূর্ণ যে একটি প্রদত্ত ডেটার সাথে সর্বাধিক অনুরূপ ডেটা প্রাথমিক রেকর্ড নিজেই।
কমিউটেটিভিটি এবং ত্রিভুজ অসমতা নিকটতম প্রতিবেশীদের স্থানীয় এবং সু-সংজ্ঞায়িত করে। এটি ডাটাবেসের মধ্যে একটি নতুন তথ্য সন্নিবেশ করাচ্ছেন যা বিদ্যমান রেকর্ডকে কিছু কাছাকাছি আনবে না। সাদৃশ্য হল একটি বিষয় যা একবারে শুধুমাত্র দুটি ডেটার জন্য সংরক্ষিত। যদিও দূরত্ব পরিমাপ নিকটতম প্রতিবেশীদের আবিষ্কার করতে পারে তা সুনির্দিষ্টভাবে সংজ্ঞায়িত করা হয়েছে, তবে নিকটতম প্রতিবেশীদের সেটে কিছু অদ্ভুত বৈশিষ্ট্য থাকতে পারে।
প্রতিবেশীদের সেট নির্ভর করে কিভাবে ডেটা দূরত্ব ফাংশন এলাকার দূরত্ব ফাংশনগুলিকে একত্রিত করে। প্রকৃতপক্ষে, সমষ্টি ফাংশন ব্যবহার করে দ্বিতীয় নিকটতম প্রতিবেশী হল ইউক্লিডিয়ান ইত্যাদি ব্যবহার করে সবচেয়ে দূরবর্তী প্রতিবেশী। এটি সমষ্টি বা স্বাভাবিকীকৃত মেট্রিকের সাথে তুলনা করা হয়, ইউক্লিডীয় মেট্রিক প্রভাব প্রতিবেশীদের অনুকূলে যেখানে সমস্ত এলাকা সহযোগীভাবে কাছাকাছি।
সমষ্টি, ইউক্লিডীয় এবং স্বাভাবিক ফাংশনে ওজনও অন্তর্ভুক্ত থাকতে পারে তাই প্রতিটি এলাকা ডেটা দূরত্ব ফাংশনে আলাদা পরিমাণ অবদান রাখে। MBR সাধারণত ভাল ফলাফল দেয় যখন কিছু ওজন 1-এর সমান হয়। যাইহোক, কখনও কখনও ওজন একটি অগ্রাধিকার জ্ঞান অন্তর্ভুক্ত করার জন্য ব্যবহার করা যেতে পারে, যার মধ্যে একটি নির্দিষ্ট ক্ষেত্র রয়েছে যা শ্রেণিবিন্যাসে বিশাল প্রভাব রয়েছে বলে সন্দেহ করা হয়।
