0Pricing
AI Agents · Lekcja

Podobieństwo cosinusowe w wyszukiwaniu

Podobieństwo cosinusowe mierzy kąt między dwoma wektorami — to standardowa miara odległości w wyszukiwaniu semantycznym.

Podobieństwo cosinusowe w wyszukiwaniu to bezpłatna lekcja AI Agents na CoddyKit. To lekcja 3 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej AI Agents, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs AI Agents zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

Mierzenie podobieństwa

Jak blisko siebie znajdują się dwa wektory? Trzy popularne metryki odległości:

  • Podobieństwo cosinusowe — kąt między wektorami
  • Iloczyn skalarny — rzutowanie
  • Odległość euklidesowa (L2) — odległość w linii prostej

W przypadku embeddingów tekstu domyślnie używa się podobieństwa cosinusowego.

Wzór na podobieństwo cosinusowe

Dla wektorów A i B:

cos(A, B) = (A . B) / (|A| * |B|)

Wynik mieści się w przedziale od -1 do 1:

  • 1 = identyczny kierunek
  • 0 = ortogonalność (brak związku)
  • -1 = kierunki przeciwne

W Pythonie z NumPy

Prosta implementacja:

import numpy as np

def cosine_similarity(a, b):
    a = np.array(a)
    b = np.array(b)
    return np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))

print(cosine_similarity(vec_apple, vec_orange))   # high
print(cosine_similarity(vec_apple, vec_car))      # low

Wstępnie znormalizowane wektory

Jeśli osadzenia są już znormalizowane (tak jest w przypadku osadzeń OpenAI), podobieństwo cosinusowe jest równe iloczynowi skalarnemu, więc można pominąć dzielenie:

def cosine_normalized(a, b):
    return np.dot(a, b)   # faster

Pobieranie Top-K

Aby znaleźć K dokumentów najbardziej podobnych do zapytania, należy obliczyć podobieństwo do każdego dokumentu i posortować wyniki:

def topk(query_vec, doc_vecs, k=5):
    scores = [(np.dot(query_vec, v), i) for i, v in enumerate(doc_vecs)]
    scores.sort(reverse=True)
    return scores[:k]

Skalowanie

Naiwne wyszukiwanie top-K ma złożoność O(N) dla każdego zapytania — sprawdza się przy 10 tys. dokumentów, ale przy 10 mln działa wolno. W przypadku dużych korpusów należy użyć indeksów przybliżonego wyszukiwania najbliższych sąsiadów (ANN): HNSW, IVF, FAISS.

Dlaczego nie odległość euklidesowa?

Odległość L2 traktuje DŁUGOŚĆ wektora jako istotną. W przypadku osadzeń ważniejszy jest kierunek niż wartość bezwzględna — dlatego wygrywa podobieństwo cosinusowe.

(Dla znormalizowanych wektorów L2 i podobieństwo cosinusowe dają taki sam ranking, więc nie ma to znaczenia).

Iloczyn skalarny a podobieństwo cosinusowe

Jeśli wektory są już znormalizowane, iloczyn skalarny = podobieństwo cosinusowe i działa szybciej (bez dzielenia). Większość systemów produkcyjnych używa iloczynu skalarnego dla znormalizowanych wektorów.

A Tiny End-to-End Retrieval

docs = ['Python is a programming language', 'Pizza is Italian food', 'The Eiffel Tower is in Paris']
doc_vecs = [embed(d) for d in docs]

query_vec = embed('What is Python?')
scores = [(cosine_similarity(query_vec, v), d) for v, d in zip(doc_vecs, docs)]
scores.sort(reverse=True)
for s, d in scores:
    print(f'{s:.3f}  {d}')
# 0.83  Python is a programming language
# 0.45  Pizza is Italian food
# 0.41  The Eiffel Tower is in Paris

Wyszukiwanie hybrydowe

Połącz podobieństwo cosinusowe z wyszukiwaniem słów kluczowych (BM25), aby uzyskać najlepsze cechy obu metod — rozumienie semantyczne i dokładne dopasowanie. Obecnie większość systemów produkcyjnych korzysta z wyszukiwania hybrydowego.

Filtrowanie na podstawie progu

Odrzuć wyniki poniżej określonego progu podobieństwa, aby nie przekazywać LLM-owi nieistotnego kontekstu:

results = [r for r in retrieved if r.score > 0.7]

Zakres podobieństwa cosinusowego

Jaki jest zakres wartości podobieństwa cosinusowego?

Podsumowanie

Podobieństwo cosinusowe to standardowa miara używana podczas wyszukiwania osadzeń. W systemach produkcyjnych warto połączyć je z wyszukiwaniem hybrydowym i ANN.

Często zadawane pytania

Czy lekcja „Podobieństwo cosinusowe w wyszukiwaniu” jest bezpłatna?

Tak — pełny tekst „Podobieństwo cosinusowe w wyszukiwaniu” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu AI Agents, przejdź na CoddyKit PRO. Kurs AI Agents zawiera 4 lekcji w sumie.

Co nauczysz się w „Podobieństwo cosinusowe w wyszukiwaniu”?

Podobieństwo cosinusowe mierzy kąt między dwoma wektorami — to standardowa miara odległości w wyszukiwaniu semantycznym. Ćwiczysz AI Agents z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć AI Agents?

Nie wymagamy żadnego doświadczenia. AI Agents w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 3 z 4.

Ile czasu zajmuje lekcja „Podobieństwo cosinusowe w wyszukiwaniu”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji AI Agents?

Tak. Każda lekcja AI Agents zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

  1. Czym są embeddingi (reprezentacje wektorowe)
  2. Generowanie embeddingów za pomocą text-embedding-3
  3. Podobieństwo cosinusowe w wyszukiwaniu
  4. Porównanie modeli embeddingów (OpenAI vs Cohere vs OSS)
← Powrót do AI Agents