[C++][algorithm][Eigen] 使用Eigen实现CosineSimilarity函数

1 简介

在数据科学和机器学习领域，余弦相似度（Cosine Similarity）是一个衡量两个非零向量之间角度的度量，常用于评估文本、图像、用户偏好等的相似性。它通过计算两个向量的点积并除以它们的模长乘积来得到，其值的范围在-1到1之间，值越接近1表示向量越相似，值越接近-1表示向量越不相似。
Eigen是一个高性能的C++线性代数库，它提供了一个简单而高效的接口来处理矩阵和向量运算。在本文中，我们将探讨如何利用Eigen库来实现余弦相似度的计算。

2 代码实现

double CosineSimilarity(const std::vector<T> &a, const std::vector<T> &b, bool use_normalize = false) {
  if ((a.size() != b.size()) && (a.empty()) || (b.empty())) {
    BDLOGGER_ERROR(
        "The size of Vector A and B must be equal and greater than 0. But the size of vector A is {}, while the size of vector B is also {}.",
        a.size(),
        b.size())
    return 0;
  }

  Eigen::Map<const Eigen::VectorXf> eigen_vector_a(a.data(), static_cast<long>(a.size()));
  Eigen::Map<const Eigen::VectorXf> eigen_vector_b(b.data(), static_cast<long>(b.size()));
  if (use_normalize) {
    return eigen_vector_a.dot(eigen_vector_b) / (eigen_vector_a.norm() * eigen_vector_b.norm());
  } else {
    return eigen_vector_a.dot(eigen_vector_b);
  }
}