Python 了解gensim.complications.index中索引器的最相似方法

所以我做了一个索引器，运行一些最相似的查询，在300维向量空间中找到一些向量的最近邻。这是它的代码：

def most_similar(self, vector, num_neighbors):
    """Find the approximate `num_neighbors` most similar items.
    Parameters
    ----------
    vector : numpy.array
        Vector for word/document.
    num_neighbors : int
        Number of most similar items
    Returns
    -------
    list of (str, float)
        List of most similar items in format [(`item`, `cosine_distance`), ... ]
    """

    ids, distances = self.index.get_nns_by_vector(
        vector, num_neighbors, include_distances=True)

    return [(self.labels[ids[i]], 1 - distances[i] / 2) for i in range(len(ids))]

---

我想知道为什么距离的返回值都是从1开始，然后除以2？当然，在这样做之后，最大/最小距离都被弄乱了？

来自gensim的文档：

"List of most similar items in format [(`item`, `cosine_distance`), ...]"

索引返回的距离是向量之间的欧几里德距离。因此，该方法需要将欧氏距离转换为余弦距离。余弦距离等于

1-e/2

，其中

e

是欧氏距离值，因此转换。有关等效性的推导，请参见

---

还注意到这种转换不会改变值之间的顺序关系，考虑<代码> 0 D1＜D2＜1 < /代码>然后<代码> d1／2 < d2/2 < /> >和<代码> 1 -d1/2 < 1 -d2/2 < /代码>因此，如果

d1

是

o1

和

o2

的

d2

之间的距离，那么在转换后

o1

仍然比

o2
更接近查询向量，谢谢你的回答，这真的很有帮助。我不明白的一点是，如果它返回向量之间的余弦距离，为什么它会给WordEmbeddingSkeyeAdvectors类中使用COSADD方法的最相似的方法带来不同的结果？COSADD方法不也只是找到余弦距离吗？WordEmbeddingSkeyeAdvectors中最相似的函数返回余弦相似性，余弦距离=1-余弦相似性。有关欧几里得距离、余弦距离和余弦相似性之间关系的更多信息，请参见上的wikipedia条目。