Question

我已经实现了使用armadillo c ++线性库的余弦相似函数。我的代码是下一个：

double cosine_similarity(rowvec A, rowvec B)
{
   double dot = as_scalar(A*B.t());
   double denomA = as_scalar(A*A.t());
   double denomB = as_scalar(B*B.t());
   return dot / (sqrt(denomA) * sqrt(denomB)) ;
}

我有这个矩阵作为例子：

-0.0261 -0.6780 -0.7338 0.0345

-0.0230 0.0082 -0.0400 -0.7056

-0.2590 -0.7052 0.6590 -0.0371

-0.9650 0.2072 -0.1551 0.0426

-0.0230 0.0082 -0.0400 -0.7056

当我计算第二行与所有行之间的余弦相似度时，我得到以下结果：

相似度[1,0]： - 1.07944e-16

相似性[1,1]：1

相似性[1,2]： - 1.96262e-17

相似性[1,3]： - 1.71729e-16

相似性[1,4]：1

这是对的吗？即使他们的意思是零，也要担心负面结果。我想知道我做错了什么。 cosine_similarity以这种方式使用：

for (unsigned int row = 0; row < redV.n_rows ; row++)
{
    double ans = cosine_similarity(redV.row(indicate), redV.row(row));
    cout << "Similarity [" << indicate << "," << row << "]: " << ans << endl;
    cout << "Similarity [" << indicate << "," << row << "]: " << norm_dot(redV.row(indicate), redV.row(row)) << endl;
}

Answer 1

您的代码似乎正确，您只是遇到机器精度问题。 A*B.t() A第三行B第二行（反之亦然）应该为零，但不是，但是在机器精度范围内。 Scipy’s cosine有同样的问题：

In [10]: from scipy.spatial.distance import cosine

In [11]: 1 - cosine([-0.2590, -0.7052, 0.6590, -0.0371], [-0.0230, 0.0082, -0.0400, -0.7056])
Out[11]: -1.114299639159988e-05  # <=============== should not be negative!

（因为Scipy如何定义cosine，我减去1。而且这个答案与你的不匹配，因为你只发布了四个小数点 - 但是妙语是，它是负数。）

如果要检查浮点数x是否在另一个y的机器精度范围内，请将它们的差异与std::numeric_limits::epsilon进行比较。请参阅almost_equal here的定义。您可能希望cosine_similarity检查结果是almost_equal是0还是1，在这种情况下返回0或1。

使用Armadillo C ++的余弦相似度给出了负面结果

1 个答案: