c++ - 使用Armadillo C++的余弦相似度给我负面结果

我实现了一个使用armadillo c++线性库的余弦相似度函数。我的代码是下一个:

double cosine_similarity(rowvec A, rowvec B)
{
   double dot = as_scalar(A*B.t());
   double denomA = as_scalar(A*A.t());
   double denomB = as_scalar(B*B.t());
   return dot / (sqrt(denomA) * sqrt(denomB)) ;
}

我以这个矩阵为例:

-0.0261 -0.6780 -0.7338 0.0345

-0.0230 0.0082 -0.0400 -0.7056

-0.2590 -0.7052 0.6590 -0.0371

-0.9650 0.2072 -0.1551 0.0426

-0.0230 0.0082 -0.0400 -0.7056

当我计算第二行与所有行之间的余弦相似度时，得到以下结果:

相似性[1,0]:-1.7944e-16

相似度[1,1]:1

相似性[1,2]:-1.96262e-17

相似度[1,3]:-1.71729e-16

相似度[1,4]:1

它是否正确？即使结果为零，也要担心这些负面结果。我想知道我做错了什么。余弦相似度以这种方式使用:

for (unsigned int row = 0; row < redV.n_rows ; row++)
{
    double ans = cosine_similarity(redV.row(indicate), redV.row(row));
    cout << "Similarity [" << indicate << "," << row << "]: " << ans << endl;
    cout << "Similarity [" << indicate << "," << row << "]: " << norm_dot(redV.row(indicate), redV.row(row)) << endl;
}

最佳答案

您的代码似乎正确，只是遇到了机器精度问题。第三行A*B.t()的A和第二行(反之亦然)的B应该为零，但不是，但是在机器精度范围内。 Scipy’s cosine 有相同的问题:

In [10]: from scipy.spatial.distance import cosine

In [11]: 1 - cosine([-0.2590, -0.7052, 0.6590, -0.0371], [-0.0230, 0.0082, -0.0400, -0.7056])
Out[11]: -1.114299639159988e-05  # <=============== should not be negative!

(由于Scipy定义cosine的方式，我减去了1。这个答案与您的答案不符，因为您只张贴了四个小数点，但最重要的是，它是负数。)

如果要检查浮点数x是否在另一个y的机器精度范围内，请将其差异与std::numeric_limits::epsilon进行比较。请参阅 almost_equal here的定义。您可能希望cosine_similarity检查结果是almost_equal为0还是1，在这种情况下返回0或1。

关于c++ - 使用Armadillo C++的余弦相似度给我负面结果，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38310851/