如何计算两个向量的余弦相似度?
Posted
技术标签:
【中文标题】如何计算两个向量的余弦相似度?【英文标题】:How do I calculate the cosine similarity of two vectors? 【发布时间】:2010-10-05 22:27:17 【问题描述】:如何找到向量之间的余弦相似度?
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:
用户界面系统
用户界面机器
…以及它们各自的向量在 tF-idf 之后,然后使用 LSI 进行归一化,例如
[1,0.5]
和 [0.5,1]
。
如何测量这些向量之间的相似度?
【问题讨论】:
【参考方案1】:def cosineSimilarity(vectorA: Vector[Double], vectorB: Vector[Double]):Double=
var dotProduct = 0.0
var normA = 0.0
var normB = 0.0
var i = 0
for(i <- vectorA.indices)
dotProduct += vectorA(i) * vectorB(i)
normA += Math.pow(vectorA(i), 2)
normB += Math.pow(vectorB(i), 2)
dotProduct / (Math.sqrt(normA) * Math.sqrt(normB))
def main(args: Array[String]): Unit =
val vectorA = Array(1.0,2.0,3.0).toVector
val vectorB = Array(4.0,5.0,6.0).toVector
println(cosineSimilarity(vectorA, vectorA))
println(cosineSimilarity(vectorA, vectorB))
scala 版本
【讨论】:
这看起来很像 java tbh【参考方案2】:对于向量的稀疏表示,使用Map(dimension -> magnitude)
这是一个 scala 版本(你可以在 Java 8 中做类似的事情)
def cosineSim(vec1:Map[Int,Int],
vec2:Map[Int,Int]): Double =
val dotProduct:Double = vec1.keySet.intersect(vec2.keySet).toList
.map(dim => vec1(dim) * vec2(dim)).sum
val norm1:Double = vec1.values.map(mag => mag * mag).sum
val norm2:Double = vec2.values.map(mag => mag * mag).sum
return dotProduct / (Math.sqrt(norm1) * Math.sqrt(norm2))
【讨论】:
【参考方案3】:看看:http://en.wikipedia.org/wiki/Cosine_similarity。
如果你有向量 A 和 B。
相似度定义为:
cosine(theta) = A . B / ||A|| ||B||
For a vector A = (a1, a2), ||A|| is defined as sqrt(a1^2 + a2^2)
For vector A = (a1, a2) and B = (b1, b2), A . B is defined as a1 b1 + a2 b2;
So for vector A = (a1, a2) and B = (b1, b2), the cosine similarity is given as:
(a1 b1 + a2 b2) / sqrt(a1^2 + a2^2) sqrt(b1^2 + b2^2)
例子:
A = (1, 0.5), B = (0.5, 1)
cosine(theta) = (0.5 + 0.5) / sqrt(5/4) sqrt(5/4) = 4/5
【讨论】:
【参考方案4】:当我前段时间从事文本挖掘工作时,我使用了SimMetrics 库,该库在 Java 中提供了广泛的不同指标。如果碰巧您需要更多,那么总有R and CRAN 可以查看。
但是根据 Wikipedia 中的描述对其进行编码是相当微不足道的任务,并且可以是一个很好的练习。
【讨论】:
您的 SimMetrics 链接似乎已损坏,现在指向一个关于鞋子的垃圾邮件博客。 github.com/Simmetrics/simmetrics 看起来更好。【参考方案5】: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,该函数假定两个向量具有相同的长度。您可能需要明确检查它的安全性。
【讨论】:
谢谢,我只是懒得做。 :)【参考方案6】:对于 Java 中的矩阵代码,我建议使用 Colt 库。如果你有这个,代码看起来像(未经测试甚至编译):
DoubleMatrix1D a = new DenseDoubleMatrix1D(new double[]1,0.5);
DoubleMatrix1D b = new DenseDoubleMatrix1D(new double[]0.5,1);
double cosineDistance = a.zDotProduct(b)/Math.sqrt(a.zDotProduct(a)*b.zDotProduct(b))
上面的代码也可以更改为使用Blas.dnrm2()
方法之一或Algebra.DEFAULT.norm2()
进行范数计算。完全相同的结果,更易读的结果取决于口味。
【讨论】:
【参考方案7】:public class CosineSimilarity extends AbstractSimilarity
@Override
protected double computeSimilarity(Matrix sourceDoc, Matrix targetDoc)
double dotProduct = sourceDoc.arrayTimes(targetDoc).norm1();
double eucledianDist = sourceDoc.normF() * targetDoc.normF();
return dotProduct / eucledianDist;
我最近为我在大学的信息检索部门做了一些 tf-idf 的工作。 我使用了这种使用 Jama: Java Matrix Package 的余弦相似度方法。
有关完整源代码,请参阅IR Math with Java : Similarity Measures,这是一个非常好的资源,涵盖了好几个不同的相似性测量。
【讨论】:
以上是关于如何计算两个向量的余弦相似度?的主要内容,如果未能解决你的问题,请参考以下文章