余弦相似度与Word2Vec

判断两个数据点相似，除了看[[欧几里得距离与曼哈顿距离|距离]]远近，还可以看它们相对原点的方向是否一致——把数据表示成向量后，方向相近（夹角小）即使距离不近，也可能代表同一种”模式”或”比例结构”，这就是余弦相似度的判断依据，常用来比较文章：把单词出现频率当作向量，夹角越小说明用词分布越相似，而不管文章长短（长度差异不影响方向）。要把”含义”也数值化，则要用Word2Vec：用几百维的向量表示每个单词的含义，相近含义的词在向量空间里方向相近，甚至能做加减法运算——”王-男性+女性=女王”这个经典算式说明，词义之间的某些关系可以被编码成向量空间里稳定的位移方向，而不只是孤立的相似度判断。