$slimalityCosine（式）

定義

$similarityCosine

配列または binData 値として表される 2 つの数値ベクトル間のコサイン類似度を返します。コサイン類似度は、2 つのベクトル間の角度のコサインを測定し、その方向がどれだけ類似しているかを示します。

$similarityCosine には 2 つの構文形式があります。

簡潔な構文では、以下のような未加工のコサイン類似度スコアが返されます。

{ $similarityCosine: [ <vector1>, <vector2> ] }

完全な構文は任意の正規化パラメータを受け入れます。

{
   $similarityCosine: {
      vectors: [ <vector1>, <vector2> ],
      score: <boolean>
   }
}

完全な構文を使用する場合、$similarityCosine は次のフィールドを受け入れます。

フィールド	タイプ	必要性	説明
vectors	配列	必須	正確に 2 つの式の配列。各式は、数値の配列または binData 値に解決される必要があります。どちらのベクトルの長さは等しくなければなりません。
score	ブール値	任意	true の場合、 は式 (1 + cosine) / 2 を使用して、範囲 [0, 1] 内の正規化されたスコアを返します。デフォルトは false です。

式の詳細については、「 式 」を参照してください。

動作

例

次の例では、vectorsコレクションを使用しています。

db.vectors.insertMany( [
   { _id: 1, a: [1, 2, 3], b: [1, 2, 3] },
   { _id: 2, a: [1, 2, 3], b: [3, 2, 1] },
   { _id: 3, a: [1, 2, 3], b: [4, 5, 6] }
] )

次の集計パイプラインでは、各ドキュメントの a フィールドと b フィールド間のコサイン類似度を計算し、未加工スコアと正規化スコアの両方を返します。

db.vectors.aggregate( [
   {
      $project: {
         raw: { $similarityCosine: [ "$a", "$b" ] },
         normalized: {
            $similarityCosine: {
               vectors: [ "$a", "$b" ],
               score: true
            }
         }
      }
   }
] )

この操作は次の結果を返します。

{ _id: 1, raw: 1, normalized: 1 }
{ _id: 2, raw: 0.7142857142857143,
  normalized: 0.8571428571428571 }
{ _id: 3, raw: 0.9746318461970762,
  normalized: 0.9873159230985381 }

詳細

• $vectorSearch

• 式