유사성 유클리드(표현식 연산자)

정의

$similarityEuclidean

배열 또는 binData 값으로 표시되는 두 숫자 벡터 사이의 유클리드 거리를 반환합니다. 유클리드 거리는 벡터 공간에서 두 점 사이의 직선 거리를 측정합니다.

$similarityEuclidean 에는 두 가지 구문 형식이 있습니다.

간결한 구문은 원시 유클리드 거리를 반환합니다.

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

전체 구문은 선택적 정규화 매개변수를 허용합니다.

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

전체 구문을 사용하는 경우 은 다음 필드를$similarityEuclidean 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 / (1 + distance) 공식을 사용하여 (0, 1] 범위 에서 정규화된 점수를 반환합니다. 동일한 벡터는 1의 점수를 얻습니다. 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 사이의 유클리드 거리를 계산하고 원본 거리와 정규화된 점수를 모두 반환합니다.

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

이 연산은 다음과 같은 결과를 반환합니다.

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

자세히 알아보기

• $vectorSearch

• 표현식