$ 유사성 코사인 (표현식 연산자)

정의

$similarityCosine

배열 또는 binData 값으로 표시되는 두 숫자 벡터 간의 코사인 유사성을 반환합니다. 코사인 유사도는 두 벡터 사이의 각도의 코사인을 측정하고 크기와 관계없이 방향이 얼마나 유사한지를 나타냅니다.

$similarityCosine 에는 두 가지 구문 형식이 있습니다.

간결한 구문은 원시 코사인 유사성 점수를 반환합니다.

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

전체 구문은 선택적 정규화 매개변수를 허용합니다.

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

전체 구문을 사용하는 경우 은 다음 필드를$similarityCosine 허용합니다.

필드	유형	필요성	설명
vectors	배열	필수 사항	정확히 두 개의 표현식으로 구성된 배열입니다. 각 표현식 숫자 값의 배열 또는 binData 값으로 해석되어야 합니다. 두 벡터의 길이는 모두 같아야 합니다.
score	부울	옵션	true인 경우 (1 + cosine) / 2 공식을 사용하여 [0, 1] 범위 에서 정규화된 점수를 반환합니다. 기본값은 false입니다.

표현식에 대한 자세한 내용은 표현식을 참조하세요.

행동

예시

다음 예시 vectors 컬렉션 사용합니다.

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] }
] )

다음 집계 파이프라인 각 문서 의 a 필드와 b 필드 간의 코사인 유사성을 계산하고 원본 점수와 정규화된 점수를 모두 반환합니다.

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

이 연산은 다음과 같은 결과를 반환합니다.

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

자세히 알아보기

• $vectorSearch

• 표현식