NLP中的余弦相似度 Cosine similarity 是什么，如何计算

NLP中的余弦相似度 Cosine similarity 是什么，如何计算

在自然语言处理（NLP）领域，余弦相似度是一种常用的距离度量方法，用于衡量两个向量之间的相似程度。这种方法在文本相似度计算、信息检索和推荐系统等领域有着广泛的应用。本文将详细介绍余弦相似度的概念及其计算方法。

余弦相似度 Cosine similarity

为了衡量两个词的相似程度，我们需要一种方法来度量这两个词对应的嵌入向量之间的相似度。给定向量 (u) 和 (v)，余弦相似度定义如下：

• 分子：(u) 和 (v) 的点积（或内积）
• 分母：向量 (u) 和 (v) 的范式（或长度）相乘

计算结果即为向量 (u) 和 (v) 之间夹角 (\theta) 的余弦值，也就是两个向量的相似度。

余弦值的范围是 -1～1，其中：

• 1 对应完全正相关
• -1 对应完全负相关
• 0 对应完全不相关

其中，向量范式的计算公式为：向量中每个元素的平方和开根号。

本文原文来自CSDN