三大相似度/距离度量
- 欧式距离
看两点直线距离,越近越像
- 点积
看两个箭头“同方向且够长”的整体配合程度
- 余弦相似度
只看方向像不像,忽略长度,语义检索最常用它
欧式距离 Euclidean Distance
公式(就是直尺量距离):两个向量对应位置的数先相减,再平方,全部加起来,最后开根号 比如 a = [1, 2]、b = [4, 6],各维差是 3 和 4,距离就是 5。就是勾股定理 几何含义:空间里两个点的直线距离。距离越小越相似
- 适用场景
特征量纲一致、需要真实距离的场景
聚类(K-Means 常用欧式距离)
图像像素差、数值向量差这种“差多少就是差多少”的问题
注意:欧式距离会被向量长度影响。一个向量整体偏大,就算方向一样,距离也可能很远。所以做语义检索时,一般先归一化再考虑
点积 Dot Product
公式:两个向量对应位置的数相乘,再全部加起来。
比如 a = [1, 2]、b = [3, 4],点积是 1×3 + 2×4 = 11。
直觉:点积同时受两件事影响:
两个向量方向像不像;
两个向量本身长不长。
所以一个向量特别长,点积就容易被拉大。分数越大越相似。
适用场景:
向量已经 L2 归一化后,直接用点积算余弦,速度快;
推荐系统里有时直接用点积打分;
内积索引(如 FAISS 的 IP)常用的度量。
坑:没归一化就谈“点积大更相似”,容易被模长带偏,不能直接当余弦用。
余弦相似度 Cosine Similarity
公式:点积除以两个向量长度的乘积。
直觉:把长度的影响除掉,只看两个箭头方向夹角的余弦。
方向完全一样:1;
垂直无关:0;
方向相反:-1。
值域是 [-1, 1],越大越相似。
适用场景:
语义检索、文本相似度、Embedding 召回的主流选择;
不同文本长度差异大时,比欧式距离稳;
只要方向,不在乎长短。
一句话总结:余弦相似度 = 只比方向,不比长短。
