问题:在该篇文章中,对于余弦距离的理解存在问题,主要是对范数的理解不够全面,下为解答
1.什么是余弦距离?
对于两个向量A和B,其余弦相似度定义为 cos ( A , B ) = A ⋅ B ∥ A ∥ 2 ∥ B ∥ 2 \cos (A, B)=\frac{A \cdot B}{\|A\|_{2}\|B\|_{2}} cos(A,B)=∥A∥2∥B∥2A⋅B,即两个向量 夹角的余弦,关注的是向量之间的角度关系,并不关心它们的绝对大小,其取值 范围是[−1,1]。当一对文本相似度的长度差距很大、但内容相近时,如果使用词频 或词向量作为特征,它们在特征空间中的的欧氏距离通常很大;而如果使用余弦 相似度的话,它们之间的夹角可能很小,因而相似度高。此外,在文本、图像、 视频等领域,研究的对象的特征维度往往很高,余弦相似度在高维情况下依然保 持“相同时为1,正交时为0,相反时为−1”的性质,而欧氏距离的数值则受维度的 影响,范围不固定,并且含义也比较模糊。
2.余弦距离分母该如何理解?
在该问题中如果不理解,主要原因在于没有了解什么为范数:
范数定义了向量空间里的距离。它的出现使得向量之间的比较成为了可能。