http://spark.apache.org/docs/latest/mllib-feature-extraction.html#word2vec
在word2vec的spark实现上，当迭代次数或数据分区大于1时，由于某种原因，余弦相似度大于1。
据我所知，余弦相似度应该始终约为 -1 < cos < 1。有人知道为什么吗？
最佳答案
在word2vec的findSynonyms方法中，不计算余弦相似度v1・vi/|v1| |vi|，而是计算 v1・vi/|vi|，其中 v1 是查询词的向量，vi > 是候选词的向量。
这就是为什么该值有时会超过 1。
只是为了找到更接近的单词，没有必要除以 |v1|，因为它是常数。
关于machine-learning - Spark MLLib的Word2Vec余弦相似度大于1，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33360201/