Cosinuslikhet Cosine similarity
Måttet på hur lika två vektorer är, definierat som cosinus för vinkeln mellan dem: skalärprodukten delad med produkten av längderna. Standardvalet för att jämföra embeddingar.
Poängen är att måttet bara bryr sig om riktning, inte om längd. Två textstycken om samma ämne pekar åt samma håll i vektorrymden även om det ena är tre gånger längre, och längden hos en embedding speglar ofta sådant som frekvens snarare än betydelse. Värdet ligger mellan −1 och 1, men för de flesta moderna embeddingmodeller hamnar det i praktiken mellan 0 och 1. En vanlig optimering: normaliserar man alla vektorer till längd 1 blir cosinuslikhet identisk med skalärprodukten, vilket är billigare att beräkna — därför lagrar vektordatabaser gärna normaliserade vektorer. Euklidiskt avstånd ger samma rangordning på normaliserade vektorer.