如何实施策略设计模式？

Question

我正在研究推荐系统。 这将是一个Android应用程序，其中用户将输入他们的首选项，并根据这些首选项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度计数： Cosine similarity和Pearson correlation

我正在从应用程序中获取算法的名称，然后执行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

}

由于这将是一个实时应用程序，因此该方法是完全错误的，我想实现策略设计模式，该算法可以在运行时而不是编译时决定算法。

所以现在的问题是，在策略设计模式中，我将如何决定何时使用哪种算法？

例如，当您用信用卡购买东西时，信用卡的类型无关紧要。 所有信用卡均具有磁条，磁条中已编码信息。 这些条及其包含的内容代表“接口”，卡的类型为“实现”。 每张信用卡都可以被其他任何一张替换，并且彼此完全独立。

同样，我应该基于策略设计模式在运行时在Cosine和Pearson之间选择什么依据？

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（在这种情况下为首选项）的情况下，Pearson的表现会更差。

也许这可能是您的标准？ 如果匹配首选项的数量大于某个阈值，则使用Pearson；对于其他情况，请使用余弦。

您也许可以向您的用户显示CLOSE匹配列表，该列表使用余弦来向用户显示其个人资料有很多共同之处。

然后，您可能会显示第二个列表，表示您可能也有兴趣，该列表使用Pearson来显示没有很多共同偏好的匹配配置文件。