Cosine Similarity

Cosine similarity là một độ đo toán học cơ bản được sử dụng trong machine learning (ML) và artificial intelligence (AI) để đo lường mức độ tương đồng giữa hai multi-dimensional arrays hoặc vector, bất kể kích thước hay độ lớn của chúng. Bằng cách tính góc giữa hai điểm trong một vector space, phương pháp này xác định xem chúng có đang chỉ về cùng một hướng hay không. Cách tiếp cận theo góc này rất quan trọng để xử lý dữ liệu mà trong đó hướng quan trọng hơn tổng chiều dài, giúp nó trở nên cực kỳ hiệu quả khi so sánh các biểu diễn dữ liệu trừu tượng như embeddings.

Hiểu về toán học đằng sau chỉ số này#

Để tính toán độ đo này, bạn tính dot product của hai vector và chia cho tích các magnitudes (độ dài) riêng lẻ của chúng. Điểm số thu được luôn nằm trong một khoảng cố định từ -1 đến 1:

• Điểm số 1 có nghĩa là các vectơ cùng hướng chính xác, biểu thị sự tương đồng tối đa.
• Điểm số bằng 0 có nghĩa là các vector hoàn toàn orthogonal (ở góc 90 độ), nghĩa là không có sự tương đồng về hướng.
• Điểm số -1 có nghĩa là chúng hướng theo các hướng hoàn toàn đối lập.

Trong nhiều framework deep learning hiện đại được thiết kế cho computer vision (CV), bạn có thể dễ dàng truy cập các hàm được tối ưu hóa cho phép toán này, chẳng hạn như PyTorch's functional module hoặc TensorFlow metrics.

Phân biệt các khái niệm liên quan#

Việc phân biệt cosine similarity với các phép đo data analytics thường dùng khác rất hữu ích để hiểu khi nào nên sử dụng nó:

• Cosine Distance: Dù có liên quan chặt chẽ, các thuật ngữ này tỷ lệ nghịch với nhau. Cosine distance được tính đơn giản bằng 1 trừ đi cosine similarity. Do đó, khoảng cách nhỏ hơn cho thấy mức độ tương đồng giữa các vector cao hơn.
• Euclidean Distance: Chỉ số này đo khoảng cách vật lý theo đường thẳng giữa hai điểm, khiến nó rất nhạy cảm với kích thước hoặc độ lớn tổng thể của các vectơ. Ngược lại, độ tương đồng cosine chỉ quan tâm đến góc. Ví dụ, trong phân tích văn bản, một tài liệu dài và một câu ngắn có thể có Euclidean distance lớn, nhưng nếu chúng chia sẻ cùng một chủ đề, độ tương đồng cosine của chúng sẽ vẫn cao.

Các ứng dụng thực tế trong AI#

Độ tương đồng cosine đóng vai trò là động cơ cốt lõi cho nhiều sản phẩm phần mềm hiện đại, thu hẹp khoảng cách giữa dữ liệu thô và ý định của con người.

• Vector Search and RAG: Trong các ứng dụng Natural Language Processing (NLP) như chatbot, các truy vấn của người dùng và tài liệu nội bộ được chuyển đổi thành các embedding dày đặc. Hệ thống tính toán nhanh chóng cosine similarity để truy xuất các tài liệu có liên quan ngữ cảnh nhất từ một vector database, một bước quan trọng trong Retrieval-Augmented Generation (RAG).
• Recommendation Systems: Các dịch vụ thương mại điện tử và phát trựcstreaming sử dụng các công cụ như Scikit-learn and SciPy để biểu diễn sở thích người dùng và các mục trong danh mục dưới dạng vector. Bằng cách đo lường điểm số tương đồng giữa hồ sơ của người mua sắm và các sản phẩm khác nhau, hệ thống có thể đề xuất chính xác các mặt hàng có liên quan trực quan hoặc theo chủ đề.

Đo lường độ tương đồng hình ảnh với Ultralytics#

Bạn có thể trích xuất các feature vector chiều cao trực tiếp từ dữ liệu hình ảnh bằng các vision model tiên tiến. Đoạn mã Python sau đây minh họa cách tải model Ultralytics YOLO26 để thực hiện image classification, tạo embedding cho hai hình ảnh và thực hiện phép tính cosine similarity để đo lường mức độ giống nhau về mặt hình ảnh của chúng.

import torch
import torch.nn.functional as F
from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model
model = YOLO("yolo26n-cls.pt")

# Generate embedding vectors for two separate images
results = model.embed(["bus.jpg", "car.jpg"])

# Calculate the cosine similarity between the two visual embeddings
similarity = F.cosine_similarity(torch.tensor(results[0]), torch.tensor(results[1]), dim=0)
print(f"Visual Similarity Score: {similarity.item():.4f}")

Đối với các nhà phát triển hướng tới mục tiêu mở rộng quy mô các tính năng semantic search này, việc huấn luyện các base model có độ chính xác cao là điều tối quan trọng. Ultralytics Platform đơn giản hóa quy trình này bằng cách cung cấp các công cụ mạnh mẽ cho data annotation, huấn luyện trên đám mây có khả năng mở rộng và model deployment mượt mà, đảm bảo các embedding nền tảng của bạn chính xác và có ý nghĩa nhất có thể.