machine-learning - Spark MLLib 的 Word2Vec 余弦相似度大于 1

Question

http://spark.apache.org/docs/latest/mllib-feature-extraction.html#word2vec

在word2vec的spark实现上，当迭代次数或数据分区数大于1时，由于某种原因，余弦相似度大于1。

据我所知，余弦相似度应始终约为 -1 < cos < 1。有人知道为什么吗？

Answer 1

在findSynonyms的方法中word2vec，它不计算余弦相似度v1・vi / |v1| |vi|，而是计算v1・vi / |vi|，其中v1是查询词vi的向量， 是候选词的向量。这就是为什么该值有时会超过 1。只是为了找到更接近的单词，不需要除以，|v1|因为它是常数。