Cosine Distance is a metric used to determine the similarity between two non-zero vectors in an inneres Produkt space. It is defined as one minus the cosine of the angle between the vectors. This measure is particularly useful in various fields like Textanalyse, Empfehlungssystemen, and maschinellem Lernen, where the orientation of the data points is more significant than their magnitude.
Mathematisch kann der Kosinus-Abstand ausgedrückt werden als:
Cosine Distance(A, B) = 1 – (A • B) / (||A|| ||B||)
Wo:
- A • B is the Skalarprodukt von Vektoren A und B.
- ||A|| and ||B|| sind die Beträge (oder Längen) der Vektoren A und B.
Der Wert des Kosinus-Abstands liegt zwischen 0 und 2. Ein Kosinus-Abstand von 0 zeigt an, dass die beiden Vektoren in Richtung identisch sind, während ein Wert von 1 bedeutet, dass die Vektoren orthogonal (völlig unterschiedlich) sind.
Cosine distance is particularly effective for high-dimensional data, such as text represented as word vectors in der Verarbeitung natürlicher Sprache. In such cases, it helps in identifying how similar two documents are based on the context of the words used, rather than their frequency, making it a robust measure for various AI applications.