第7-1课：余弦相似度与相似算法（图文篇）

相似度算法是计算个体之间相似程度的算法，此类算法多如牛毛，这里我们只讨论用于处理文字之间相似度的算法。文本之间的相似度计算应用广泛，比如论文抄袭的判断，就可以用相似度算法先预筛查一遍；再比如网站的文章自动分类，就是根据相似度将文章自动分入科技、体育、军事等类别中。此外，广告推送、订单识别等场合，也会用到文本相似度的判断。

余弦相似度（余弦距离）

通常用于判断相似度的理论有很多，比如欧氏距离、余弦相似度（余弦距离）、Jaccard 距离、编辑距离等，余弦相似度背后的数学理论就是余弦定理。

余弦定理

图（1）三角形余弦公式

在（欧氏）几何学中，三角形的内角余弦与边长的关系，可以用余弦公式来描述，即：

在空间向量中（图示以平面向量为例子），两