文章で学ぶコサイン類似度

使ってわかる！文章類似度デモ

2つの文章がどれだけ似ているかを計算してみましょう。単語の出現回数から文章をベクトル化し、コサイン類似度を求めます。

コサイン類似度とは？

コサイン類似度は、2つのベクトルが指し示す「向き」がどれだけ似ているかを測るための指標です。-1から1の間の値をとり、機械学習、特に自然言語処理の分野で広く使われています。

• 1に近いほど: ベクトルの向きが非常に似ている（例: ほぼ同じ内容の文章）
• 0に近いほど: ベクトルの向きが直角に近く、関連性が低い（例: 全く異なる内容の文章）
• -1に近いほど: ベクトルの向きが正反対（通常、文章の類似度では負の値はあまり使いません）

重要なのは、ベクトルの「大きさ（長さ）」を無視して「向き」だけを見る点です。これにより、「私は犬が好き」と「私は犬がとてもとても好きです」のように、文章の長さが違っても、内容（単語の構成）が似ていれば高い類似度スコアが得られます。