コサイン類似度計算ツール|内積・角度

2つのベクトルのコサイン類似度を、内積・それぞれのノルム・なす角・コサイン距離とあわせて計算します。各要素の掛け算を表で確認できるので、テキストの埋め込みや推薦システムで使われる「向きの近さ」の計算を手順ごとに理解できます。

コサイン類似度 計算ツール(内積・ノルム・角度)

2つのベクトルを入力すると、コサイン類似度・内積・それぞれのノルム・なす角を計算します。埋め込みの比較に使えます。

使い方

  1. 「ベクトルA」に数値の列を、空白・カンマ・改行で区切って入れます。
  2. 「ベクトルB」に同じ個数の数値を入れます。
  3. コサイン類似度、内積、ノルム、角度のカードと、要素ごとの積の表を確認します。

計算式

A・B = Σ_i a_i × b_i
‖A‖ = √(Σ_i a_i²)
cos θ = A・B / (‖A‖ × ‖B‖)
θ = arccos(cos θ),コサイン距離 = 1 − cos θ

a_i、b_iは各ベクトルのi番目の要素、‖A‖はベクトルの長さ(L2ノルム)です。

計算例

サンプルの A = (1, 2, 3)、B = (2, 3, 4) で計算します。

  1. 内積 = 1×2 + 2×3 + 3×4 = 2 + 6 + 12 = 20。
  2. ‖A‖ = √14 = 3.7417、‖B‖ = √29 = 5.3852。積は20.1494。
  3. cos θ = 20 ÷ 20.1494 = 0.992583。角度は約6.98°、コサイン距離は0.007417。
# A B A×B
1 1 2 2
2 2 3 6
3 3 4 12

2つのベクトルはほぼ同じ向きを向いていることがわかります。

結果の見方

  • コサイン類似度は−1〜1の値をとります。1は同じ向き、0は直交(無関係)、−1は正反対の向きです。
  • ベクトルの長さは無視され、向きだけを比べます。たとえば (1, 2, 3) と (2, 4, 6) の類似度は1です。文書の長さや単語数の違いに左右されにくいのが特長です。
  • 単語の出現回数やTF-IDFのように要素がすべて0以上のベクトルでは、値は0〜1の範囲になります。
  • 文章の埋め込みベクトルでは、似た意味の文ほど値が大きくなります。どの値から「似ている」とするかはモデルによって違うので、実際のデータで基準を決めましょう。

例のAとBは要素の大きさが違いますが、増え方が似ているため類似度は0.99を超えています。もしBを (3, 2, 1) のように並びを逆にすると、内積は10で類似度は約0.714に下がります。

検索システムでは、質問文と各文書の埋め込みのコサイン類似度を計算し、値が大きい順に並べて関連する文書を探します。

注意点

  • すべての要素が0のベクトルはノルムが0になるため計算できません。
  • 2つのベクトルの要素数がそろっていないとエラーになります。
  • 長さも含めて比べたい場合は、ユークリッド距離など別の指標を使います。ノルムを1にそろえたベクトルどうしなら、内積はコサイン類似度と同じになります。
  • コサイン距離 1 − cos θ は、厳密には距離の公理(三角不等式)を満たしません。

数値は空白・カンマ・改行のどれで区切っても読み取れます。Pythonなどで出力したベクトルをそのまま貼り付けるときは、角括弧を取り除いてください。

また、すべての要素に同じ数を足すとコサイン類似度は変わります。各ベクトルから平均を引いてから計算したものはピアソンの相関係数と同じになるので、目的に合わせて前処理を選びましょう。

コサイン類似度のよくある質問

Q. コサイン類似度と内積の違いは何ですか?

A. 内積はベクトルの長さの影響を受けますが、コサイン類似度は内積を2つのノルムの積で割って長さの影響を取り除いたものです。ノルムが1のベクトルどうしでは同じ値になります。

Q. コサイン類似度がマイナスになるのはどんなときですか?

A. 2つのベクトルのなす角が90°より大きく、逆向きに近いときです。要素に負の値を含むベクトル(埋め込みなど)で起こります。

Q. コサイン類似度はいくつ以上なら似ていると言えますか?

A. 決まった基準はありません。使うモデルやデータによって値の分布が変わるため、似ているペアと似ていないペアの値を実際に比べて基準を決めます。