点积相似度、余弦相似度、欧几里得相似度 看starspace的时候发现它实现了dot和cos两种similarity的度量方式，这里总结一下：
余弦相似度衡量两个向量在方向上的相似性，而不care两个向量的实际长度，A和B的长度即使是一个超级短一个超级长的情况下，二者的余弦相似性也可能为1（即theta=0，此时两个向量重合）；存在的问题[1]： 。比如用户对内容评分，5分制。A和B两个用户对两个商品的评分分别为A：(1,2)和B：(4,5)。我们分别用两种方法计算相似度。使用余弦相似度得出的结果是0.98，看起来两者极为相似，但从评分上看X似乎不喜欢这两个东西，而Y比较喜欢。造成这个现象的原因就在于，余弦相似度没法衡量每个维数值的差异，对数值的不敏感导致了结果的误差。 需要修正这种不合理性，就出现了调整余弦相似度，即所有维度上的数值都减去一个均值。修正的余弦相似度可以说就是对余弦相似度进行归一化处理的算法，公式如下：
欧几里得相似度:
点积相似度： 点积相似度是一个比较有意思的概念，我们在word2vec和deepwalk等模型的构建过程中都有它的身影；以word2vec的常规的softmax的损失函数为例
我们希望点积之后的结果（即Uc*Vw）经过softmax之后能够和真实的分布情况一样（也就是能够尽量为[0,0,0,…1…,0,0,0]，其中1是中心词对应的index），那么这样整个word2vec的训练的过程就跃然纸上了： 对于点积的公式：
可以看到，我们在优化点积的时候实际上是在优化a b的模长和二者的夹角（a和b分别是embedding空间的a向量和b向量），以word2vec为例，使用负采样的方式，a和b在同一个窗口内，其对应标签为1，则模型训练肯定是希望|a|*|b|*costheta 越接近1越好，那么在优化的过程中： 假设a和b的模长均为1且固定，则theta可能会越来越小（theta越小则costheta越接近于1，则整个a*b越接近于1），那么在embedding空间发生的事情就是，a和b向量越来越接近，这就和我们的目的达成一致，
当然这是理想的情况，一般来说|a|和|b|的模场也是会发生变化的，他们和cos theta共同决定最终的训练结果，所以一般来说，两个相近的词其最终的embedding向量比较不容易完全重合，而是相互之间相对于其它不相关的词更加靠近； 补充，一般我们进行点积相似性度量的时候，例如召回层用embedding点积进行相似度计算，会进行l2归一化处理， 归一化之后的embedding向量进行点积实际上就是计算夹角余弦值；
2024最新激活全家桶教程，稳定运行到2099年，请移步至置顶文章：https://sigusoft.com/99576.html
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。 文章由激活谷谷主-小谷整理,转载请注明出处：https://sigusoft.com/23164.html
