余弦相似度

本文介绍了如何使用余弦相似度来衡量两个向量之间的相似度,详细解释了余弦相似度的计算公式及其取值含义,并通过一个视频与文本相似度的计算样例,展示了余弦相似度的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

计算两个向量的相似度,可以用余弦相似度:

分子就是2个向量的内积,分母是两个向量的模长乘积。

其取值范围是[-1,1]

cosine值越大,说明夹角越接近0度,两个向量越相似;

cosine值越小,说明夹角越接近180度,两个向量越不相似;

 

此外,可以加个负号之后,得到误差函数:error= -1 *cosine(a,b),这样的话error值越小,两向量越相似,这样更加直观。

一个样例,计算视频和文本的相似度:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值