推荐算法(三):余弦定理和余弦相似度的关系及公式推导

简述:

  • 余弦相似度是在余弦定理的基础上引入向量表示后得到的。

以上面 余弦定理 的三角形为例,假设我们有两个向量:

  • 向量 b\mathbf{b}b,表示原点 A 指向点 C
  • 向量 c\mathbf{c}c,表示原点 A 指向点 B
text 复制代码
        A
       / \
      /   \
   b /     \ c
    /       \
   B_________C
        a

下面我们开始从余弦定理开始推导余弦相似度的公式:

为了表达更清晰,把两个向量写成二维坐标形式:

b=(x1,y1),c=(x2,y2)\mathbf{b} = (x_1, y_1), \quad \mathbf{c} = (x_2, y_2)b=(x1,y1),c=(x2,y2)

则它们的长度分别为:

∣b∣=x12+y12,∣c∣=x22+y22|\mathbf{b}| = \sqrt{x_1^2 + y_1^2}, \quad |\mathbf{c}| = \sqrt{x_2^2 + y_2^2}∣b∣=x12+y12 ,∣c∣=x22+y22

两向量终点之间的边长(图中的 aaa)可写为:

a2=(x1−x2)2+(y1−y2)2a^2 = (x_1 - x_2)^2 + (y_1 - y_2)^2a2=(x1−x2)2+(y1−y2)2

代入余弦定理:

cos⁡θ=∣b∣2+∣c∣2−a22∣b∣∣c∣ \cos\theta = \frac{|\mathbf{b}|^2 + |\mathbf{c}|^2 - a^2}{2|\mathbf{b}||\mathbf{c}|} cosθ=2∣b∣∣c∣∣b∣2+∣c∣2−a2

cos⁡θ=(x12+y12×x12+y12)+(x22+y22×x22+y22)−(x1−x2)2+(y1−y2)22×x12+y12×x22+y22 \cos\theta = \frac{(\sqrt{x_1^2 + y_1^2} \times \sqrt{x_1^2 + y_1^2}) + (\sqrt{x_2^2 + y_2^2} \times \sqrt{x_2^2 + y_2^2}) - (x_1 - x_2)\^2 + (y_1 - y_2)\^2}{2 \times \sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=2×x12+y12 ×x22+y22 (x12+y12 ×x12+y12 )+(x22+y22 ×x22+y22 )−(x1−x2)2+(y1−y2)2

cos⁡θ=(x12+y12)+(x22+y22)−(x1−x2)2+(y1−y2)22×x12+y12×x22+y22 \cos\theta = \frac{(x_1^2 + y_1^2) + (x_2^2 + y_2^2) - (x_1 - x_2)\^2 + (y_1 - y_2)\^2}{2 \times \sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=2×x12+y12 ×x22+y22 (x12+y12)+(x22+y22)−(x1−x2)2+(y1−y2)2

平方公式拆解:

(x1−x2)2+(y1−y2)2=(x12−2x1x2+x22)+(y12−2y1y2+y22)(x_1 - x_2)^2 + (y_1 - y_2)^2 = (x_1^2 - 2x_1x_2 + x_2^2) + (y_1^2 - 2y_1y_2 + y_2^2)(x1−x2)2+(y1−y2)2=(x12−2x1x2+x22)+(y12−2y1y2+y22)

所以,展开后可得:

cos⁡θ=(x12+y12)+(x22+y22)−x12−2x1x2+x22+y12−2y1y2+y222×x12+y12×x22+y22 \cos\theta = \frac{(x_1^2 + y_1^2) + (x_2^2 + y_2^2) - x_1\^2 - 2x_1x_2 + x_2\^2 + y_1\^2 - 2y_1y_2 + y_2\^2}{2 \times \sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=2×x12+y12 ×x22+y22 (x12+y12)+(x22+y22)−x12−2x1x2+x22+y12−2y1y2+y22

去括号并化简

cos⁡θ=(x12+y12)+(x22+y22)−x12+2x1x2−x22−y12+2y1y2−y222×x12+y12×x22+y22 \cos\theta = \frac{(x_1^2 + y_1^2) + (x_2^2 + y_2^2) - x_1^2 + 2x_1x_2 - x_2^2 - y_1^2 + 2y_1y_2 - y_2^2}{2 \times \sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=2×x12+y12 ×x22+y22 (x12+y12)+(x22+y22)−x12+2x1x2−x22−y12+2y1y2−y22

cos⁡θ=2x1x2+2y1y22×x12+y12×x22+y22 \cos\theta = \frac{2x_1x_2 + 2y_1y_2}{2 \times \sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=2×x12+y12 ×x22+y22 2x1x2+2y1y2

cos⁡θ=2(x1x2+y1y2)2×x12+y12×x22+y22 \cos\theta = \frac{2(x_1x_2 + y_1y_2)}{2 \times \sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=2×x12+y12 ×x22+y22 2(x1x2+y1y2)

cos⁡θ=x1x2+y1y2x12+y12×x22+y22 \cos\theta = \frac{x_1x_2 + y_1y_2}{\sqrt{x_1^2 + y_1^2} \times \sqrt{x_2^2 + y_2^2}} cosθ=x12+y12 ×x22+y22 x1x2+y1y2

cos⁡θ=b⋅c∣b∣⋅∣c∣ \cos\theta = \frac{b \cdot c}{|\mathbf{b}| \cdot |\mathbf{c}|} cosθ=∣b∣⋅∣c∣b⋅c

这就是常用的余弦相似度公式(二维形式)。

相关知识补充:

完全平方公式:

(a+b)2=a2+2ab+b2(a + b)^2 = a^2 + 2ab + b^2(a+b)2=a2+2ab+b2

(a−b)2=a2−2ab+b2(a - b)^2 = a^2 - 2ab + b^2(a−b)2=a2−2ab+b2

相关推荐
Purple Coder22 分钟前
开题报告学习
人工智能
狂师1 小时前
牛逼!谷歌亲自下场开源的AI自动化神器!
人工智能·开源·测试
金融小师妹2 小时前
多因子关联模型:黄金与铜价同步回落背后的金融变量及PPI传导分析
大数据·人工智能·金融
ZhengEnCi2 小时前
中美AI竞赛之外其他国家在干什么:算力5%的欧洲、买卡的沙特与做场景的日韩
人工智能·gpu·nvidia
对你无可奈何9 小时前
给 ComfyUI 做了一个手机助手
人工智能
feasibility.11 小时前
英伟达把物理AI的3D模型“应用商店”开放了:2575个SimReady仿真资产,总计约472GB,可让agent装配机器人训练场景
人工智能·3d·机器人·仿真·建模·具身智能·英伟达
智联视频超融合平台11 小时前
消防宣传月过半,“AI+消防“给视频平台换了张考卷
人工智能·边缘计算·视频监控·安防·视频联网
冬奇Lab12 小时前
一天一个开源项目(第262篇):AG-UI —— 把 AI Agent 接进前端的开放协议,和 MCP、A2A 并列的第三块拼图
人工智能·开源
罗西的思考13 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes13 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython