余弦相似度、内积与欧氏距离的区别
哪些公司问过
答案要点
- 余弦相似度只关注方向,对模长不敏感,取值 [−1, 1],适合语义比较
- 欧氏距离受方向和模长共同影响,衡量绝对差异
- 内积 = 模长乘积 × 夹角余弦,模长大的向量得分偏高
- 归一化后:内积 = 余弦,‖a−b‖² = 2 − 2cos,三者排序一致
- 度量选择应与 Embedding 模型训练时使用的相似度一致
易错点
- 混用度量:模型按余弦训练却用未归一化的内积检索
- 把余弦相似度和余弦距离混淆:余弦距离通常是 1 − cos
- 以为欧氏距离总是不适合文本:归一化后它与余弦排序等价
面试官常见追问
- 向量检索库里为什么常用内积?
- 什么时候不能随便归一化?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。