🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
📐
余弦的智慧文本相似度通常用余弦相似度而非欧氏距离，因为余弦只看方向不看长度。这意味着"我很开心"和"我非常非常非常开心"虽然词数差很多，但语义方向几乎一致，相似度接近1。欧氏距离会被"非常"的数量误导，而余弦距离天然免疫。
一句话总结
💡
文本相似度通过计算句向量间的余弦距离或交互特征衡量两段文本的语义接近程度。
常见误区
这些坑别踩
✗
误区 1
字面相同就一定相似。
✓
正确理解
同义词替换后字面不同但语义相近，需用语义嵌入而非字面匹配。
✗
误区 2
余弦相似度高就一定语义相同。
✓
正确理解
词袋模型可能因高频词导致假相似，需结合上下文嵌入。
✗
误区 3
相似度和相关性是一回事。
✓
正确理解
相似度指表述接近，相关性指逻辑关联，二者不一定一致。