知识卡片

普通读书笔记卡 · 9377.d · 生成模型:GPT-6

单位向量欧氏距离与余弦相关

理解等级:中级

对L2单位化向量,平方欧氏距离为2−2乘余弦相似度,所以两者排序相关。一般欧氏距离受模长影响,不能在未归一化前用此关系;相似也只是特征表示上的接近,并非文本同义或事实一致保证。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      If you want to bound the Euclidean distance, you can normalize all your vectors to have unit length (each have a length of 1). This will ensure all distances between your vectors will be between 0 and 2.

    参考来源

    - 位置:《Natural Language Processing in Action, Second Edition》附录C《附录C:向量与线性代数》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/appendix-c.html) - 结论依据:摘录中关于单位向量欧氏距离与余弦相关的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:If you want to bound the Euclidean distance, you can normalize all your vectors to have unit length (each have a length of 1). This will ensure all distances between your vectors will be between 0 and 2.