面试题库 › Java 后端 › 向量检索中余弦相似度与欧氏距离的区别

向量检索中余弦相似度与欧氏距离的区别

难度 ★☆☆在 2 场真实面经中被问到 方向:Java 后端考点:嵌入与向量检索

常见岗位:AI 应用 / Agent 开发、测试开发

答案要点

  1. 余弦相似度衡量方向差异,对模长不敏感;欧氏距离衡量绝对距离,受模长影响
  2. L2 归一化后欧氏距离平方 = 2 − 2·cos,排序与余弦、内积一致
  3. 文本 embedding 通常用余弦或归一化后的内积,并与模型训练时的度量保持一致
  4. 欧氏距离适合模长有意义的场景,如部分图像特征、坐标数据和 K-means 聚类

易错点

面试官常见追问

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。

相关面试题