벡터의 유사도(Vector Similarity)

코사인 유사도(Coshine Similarity)

---

두 벡터 간의 코사인 각도

$similarity=cos(Θ)=\frac{A⋅B}{||A||\ ||B||}=\frac{\sum_{i=1}^{n}{A_{i}×B_{i}}}{\sqrt{\sum_{i=1}^{n}(A_{i})^2}×\sqrt{\sum_{i=1}^{n}(B_{i})^2}}$

• 두 벡터가 가리키는 방향이 얼마나 유사한가
• -1 이상 1 이하의 값 (1에 가까울수록 유사도가 높다고 판단)
  

유클리드 거리(Euclidean Distance)

---

• 자카드나 코사인 유사도 만큼 유용하진 않음

$\sqrt{(q_{1}-p_{1})^{2}+(q_{2}-p_{2})^{2}+\ ...\ +(q_{n}-p_{n})^{2}}=\sqrt{\sum_{i=1}^{n}(q_{i}-p_{i})^{2}}$

→ 위 값이 작을 수록 가까이 있기에 유사함

자카드 유사도(Jaccard Similarity)

---

합집합에서 교집합의 비율

$J(A,B)=\frac{|A∩B|}{|A∪B|}=\frac{|A∩B|}{|A|+|B|-|A∩B|}$

• 0과 1사이의 값을 가짐
  • 만약 두 집합이 동일하다면 1의 값을 가지고, 두 집합의 공통 원소가 없다면 0의 값