转摘ChatGPT 拓展资料：AI大模型之美 -计算两个向量之间的余弦相似度

谯元芹阅读量 14

ChatGPT 拓展资料：AI大模型之美 -计算两个向量之间的余弦相似度

本文讲解使用openai.embeddings_utils中的cosine_similarity和get_embedding函数。

首先，让我们了解一下这两个函数的作用：

  • cosine_similarity: 计算两个向量之间的余弦相似度。
  • get_embedding: 获取一个单词或短语的嵌入向量表示。
    接下来，我将为你演示如何使用这两个函数：

获取单词或短语的嵌入向量表示：要获取单词或短语的嵌入向量表示，你需要调用get_embedding函数，并传递你要获取嵌入向量的单词或短语作为参数。下面是一个使用get_embedding函数获取单词"cat"的嵌入向量的示例：

复制代码 
import openai
import os
from openai.embeddings_utils import cosine_similarity, get_embedding
embedding =  get_embedding("cat")
print(embedding)

这将打印出表示单词"cat"的嵌入向量。

计算两个向量之间的余弦相似度：要计算两个向量之间的余弦相似度，你需要调用cosine_similarity函数，并传递两个向量作为参数。下面是一个使用cosine_similarity函数计算两个向量之间余弦相似度的示例：

复制代码 
vector1 =  get_embedding("cat")
vector2 =  get_embedding("dog")
similarity =  cosine_similarity(vector1, vector2)
print(similarity)


    ===========================
    【来源： CSDN】
    【作者： 段智华】
    【原文链接】 https://duanzhihua.blog.csdn.net/article/details/129696559
    声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。
标签：
0/300
全部评论0
0/300