衡量嵌入的相似度

现在，您已经获得了任意两对示例的嵌入。监督式相似性度量会接受这些嵌入，并返回一个数值来衡量它们的相似性。请注意，嵌入是数字向量。如需查找两个向量 $A = [a_1,a_2,...,a_n]$ 和 $B = [b_1,b_2,...,b_n]$之间的相似度，请选择以下三种相似度衡量方法之一：

测量	含义	公式	随着相似度的增加，此衡量指标...
欧几里得距离	向量端点之间的距离	$\sqrt{(a_1-b_1)^2+(a_2-b_2)^2+...+(a_N-b_N)^2}$	减少
余弦	向量 $\theta$ 之间的夹角余弦	$\frac{a^T b}{|a| \cdot |b|}$	增加
点积	余弦值乘以两个向量的长度	$a_1b_1+a_2b_2+...+a_nb_n$ $=|a||b|cos(\theta)$	增加。也会随着向量的长度而增加。

选择相似度度量

与余弦不同，点积与矢量长度成正比。这一点很重要，因为在训练集中出现频率非常高的示例（例如热门的 YouTube 视频）往往具有长度较大的嵌入向量。 如果您想抓住热门趋势，请选择点产品。不过，这样做有风险，因为热门示例可能会导致相似性指标出现偏差。为了平衡这种偏差，您可以将长度乘方 $\alpha\ < 1$ ，以 $|a|^{\alpha}|b|^{\alpha}\cos(\theta)$的形式计算点积。

为了更好地了解矢量长度如何改变相似度衡量标准，请将矢量长度归一化为 1，并注意这三个衡量标准会变为彼此成比例。

证明：相似度度量的比例关系

将 a 和 b 标准化为 $||a||=1$ 和 $||b||=1$后，这三个测量结果之间的关系如下：

• 欧几里得距离 = $||a-b|| = \sqrt{||a||^2 + ||b||^2 - 2a^{T}b} = \sqrt{2-2\cos(\theta_{ab})}$。
• 点积 = $|a||b| \cos(\theta_{ab}) = 1\cdot1\cdot \cos(\theta_{ab}) = cos(\theta_{ab})$。
• 余弦 = $\cos(\theta_{ab})$。

因此，这三个相似度衡量标准是等效的，因为它们与 $cos(\theta_{ab})$成正比。

相似度度量简介

相似度衡量方法用于量化一对示例相对于其他示例对的相似度。下面对手动和监督两种类型进行了比较：

类型	如何创建	适用场景	影响
手动	手动组合地图项数据。	数据集较小，且特征易于组合。	深入了解相似度计算结果。如果地图项数据发生变化，您必须手动更新相似度衡量标准。
受监管	测量由监督式 DNN 生成的嵌入之间的距离。	包含难以组合的特征的大型数据集。	无法深入了解结果。但是，DNN 可以自动适应不断变化的特征数据。