向量核心算法

主流文本向量化模型通常基于 Transformer，通过上下文理解词语在当前句子中的含义，再将整段文本压缩为一个固定维度的语义向量。

向量算法

文本 Embedding 常用余弦相似度；图像、地理位置、聚类等场景也经常使用欧氏距离

• 余弦相似度
  • 余弦相似度比较的是两个向量的方向是否接近。
• 点积
  • 点积是把两个向量对应位置相乘后再求和
  • 点积越大，通常表示两个向量越相似。
• 欧式距离
  • 欧氏距离计算的是两个向量在空间中的直线距离。

算法	关注内容	判断标准
余弦相似度	向量方向	越大越相似
点积	方向和数值大小	越大越相似
欧氏距离	空间位置距离	越小越相似