cos_similarity

通过计算两个向量之间夹角的余弦值来衡量它们的相似度。夹角由向量的方向决定，而它们的大小差异则被忽略。

相似度介于 -1 和 1 之间。向量之间的角度越小，余弦相似度越大。

• 如果两个向量方向相同，则它们的角度为 0 度，余弦相似度为 1。
• 垂直向量的角度为 90 度，余弦相似度为 0。
• 相反向量的角度为 180 度，余弦相似度为 -1。

cosine_similarity 通常用于评估文本和视频的相似性。

此函数在测量余弦相似度之前对向量进行归一化。如果输入向量已经归一化，则可以使用 cosine_similarity_norm。

语法

cosine_similarity(a, b)

参数

a 和 b 是要比较的向量。它们必须具有相同的维度。支持的数据类型为 Array<float>。两个数组必须具有相同数量的元素。否则，将返回错误。

返回值

返回 [-1, 1] 范围内的 FLOAT 值。如果任何输入参数为 null 或无效，则会报告错误。

示例

1. 创建一个表来存储向量，并将数据插入到该表中。

   CREATE TABLE t1_similarity 
   (id int, data array<float>)
   DISTRIBUTED BY HASH(id);
   
   INSERT INTO t1_similarity VALUES
   (1, array<float>[0.1, 0.2, 0.3]), 
   (2, array<float>[0.2, 0.1, 0.3]), 
   (3, array<float>[0.3, 0.2, 0.1]);

2. 计算 data 列中每行与数组 [0.1, 0.2, 0.3] 的相似度，并以降序顺序列出结果。

   SELECT id, data, cosine_similarity([0.1, 0.2, 0.3], data) as dist
   FROM t1_similarity 
   ORDER BY dist DESC;
   
   +------+---------------+-----------+
   | id   | data          | dist      |
   +------+---------------+-----------+
   |    1 | [0.1,0.2,0.3] | 0.9999999 |
   |    2 | [0.2,0.1,0.3] | 0.9285713 |
   |    3 | [0.3,0.2,0.1] | 0.7142856 |
   +------+---------------+-----------+