📏 相似度计算 是什么？

⚡ 一句话秒懂

量一下两个东西有多像，和「找不同」反过来

📖 举个故事

小周发现公司的文档库里有很多重复文档：有人上传了「员工手册2024版」，有人上传了「2024员工手册」，还有人传了「员工手册（2024年修订）」。他想找出并去重。用相似度计算一跑：前两篇相似度98%（基本是同一份），第三篇88%（应该是同一份但有小改动）。AI自动标记出重复文档，小周一键清理。相似度计算就像给内容算「双胞胎指数」。

💡 类比理解

暂未补充。

🧩 真实例子

暂未补充。

🛠️ 怎么实际使用

相似度计算有很多实用场景：①去重：检测文章/图片是否重复。②推荐：算出用户喜欢的文章，找相似文章推荐。③查重：检查学生作业和网上资料有多像。④聚类：把相似内容自动分组。用代码实现：`from sentence_transformers import util; score = util.cos_sim(emb1, emb2)`，返回值0-1，越接近1越相似。

📚 进阶原理

相似度计算（Similarity Computation）通过向量之间的数学距离衡量内容相近程度。常用指标：余弦相似度（Cosine Similarity，关注方向而非长度）、欧氏距离（Euclidean Distance，关注绝对位置）、点积（Dot Product，兼顾方向和长度）、Jaccard相似度（集合交集/并集）。在RAG中用于检索排序，在推荐系统用于物品相似度计算。

继续学习相关术语