Cosine Distance is a metric used to determine the similarity between two non-zero vectors in an produit interne space. It is defined as one minus the cosine of the angle between the vectors. This measure is particularly useful in various fields like l’analyse de texte, systèmes de recommandation, and apprentissage automatique, where the orientation of the data points is more significant than their magnitude.
Mathématiquement, la distance cosinus peut être exprimée comme :
Cosine Distance(A, B) = 1 – (A • B) / (||A|| ||B||)
Où :
- A • B is the produit scalaire des vecteurs A et B.
- ||A|| and ||B|| sont les magnitudes (ou longueurs) des vecteurs A et B, respectivement.
La valeur de la distance cosinus varie de 0 à 2. Une distance cosinus de 0 indique que les deux vecteurs sont identiques en direction, tandis qu'une valeur de 1 indique que les vecteurs sont orthogonaux (complètement dissemblables).
Cosine distance is particularly effective for high-dimensional data, such as text represented as word vectors in traitement du langage naturel. 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.