java - 如何计算两个 vector 的余弦相似度？

Question

如何找到 vector 之间的余弦相似度？

我需要找到相似度来衡量两行文本之间的相关性。

例如，我有两句话:

system for user interface

user interface machine

…以及它们各自的 vector 在 tF-idf 之后，然后使用 LSI 进行归一化，例如 [1,0.5] 和 [0.5,1].

如何测量这些 vector 之间的相似度？

Answer 1

如果你想避免依赖第三方库来完成这样一个简单的任务，这里有一个简单的 Java 实现:

public static double cosineSimilarity(double[] vectorA, double[] vectorB) {
    double dotProduct = 0.0;
    double normA = 0.0;
    double normB = 0.0;
    for (int i = 0; i < vectorA.length; i++) {
        dotProduct += vectorA[i] * vectorB[i];
        normA += Math.pow(vectorA[i], 2);
        normB += Math.pow(vectorB[i], 2);
    }   
    return dotProduct / (Math.sqrt(normA) * Math.sqrt(normB));
}

请注意，该函数假定两个 vector 具有相同的长度。您可能需要明确检查它的安全性。