$smirrorityEuclidean（式演算子）

定義

$similarityEuclidean

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ユークリッド距離を返します。ユークリッド距離は、ベクトル空間内の 2 点間の直線距離を測定します。

$similarityEuclidean には 2 つの構文形式があります。

簡潔な構文では、以下のように未加工のユークリッド距離が返されます。

{ $similarityEuclidean: [ <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。

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

完全な構文を使用する場合、$similarityEuclidean 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 / (1 + distance) 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。同じベクトルは 1 のスコアを生成します。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 フィールド間のユークリッド距離を計算し、未加工の距離と正規化されたスコアの両方を返します。

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

この操作は次の結果を返します。

{ _id: 1, raw: 0, normalized: 1 }
{ _id: 2, raw: 2.8284271247461903,
  normalized: 0.2612038749637415 }
{ _id: 3, raw: 5.196152422706632,
  normalized: 0.16139702886038895 }

詳細

• $vectorSearch

• 式