거리 함수란?

거리 함수는 벡터 간의 유사성 또는 차이점을 측정하는 데 사용되는 수학 수식입니다(벡터 검색 참조). 일반적인 예로는 맨해튼 거리, 유클리드 거리, 코사인 유사성, 내적 등이 있습니다. 이러한 측정은 두 데이터가 얼마나 밀접하게 관련되어 있는지 확인하는 데 중요합니다.

맨해튼 거리

이는 좌표의 절대 차이를 합산하여 두 지점 사이의 거리를 측정합니다. 맨해튼의 많은 지역과 같은 그리드와 같은 도시에서 걷는 것을 상상해보십시오. 그것은 당신이 남북과 동서 걷는 블록의 총 수입니다.

유클리드 거리

유클리드 거리는 두 점 사이의 직선 거리를 측정합니다. 그것은 종종 "기하학의 아버지"로 불리는 고대 수학자 유클리드의 이름을 따서 명명되었습니다.

코사인 유사성

코사인 유사성은 다차원 공간에 프로젝션된 두 벡터 사이의 각도의 코사인을 측정합니다. 두 문서는 문서 크기로 인해 유클리드 거리만큼 멀리 떨어져 있을 수 있지만 여전히 두 문서 사이의 각도가 더 작아서 코사인 유사성이 높을 수 있습니다.

내적

두 개의 벡터를 곱하여 단일 숫자를 반환합니다. 두 벡터의 크기와 그 사이의 각도 코사인을 결합하여 한 벡터가 다른 방향으로 얼마나 많은 벡터를 이동하는지 보여 줍니다.

관련 콘텐츠

• Azure Cosmos DB NoSQL의 VectorDistance 시스템 함수
• 벡터 데이터베이스란?
• RAG(검색 증강 생성)
• Azure Cosmos DB NoSQL의 벡터 데이터베이스
• Azure Cosmos DB for MongoDB의 벡터 데이터베이스
• 벡터 검색이란?
• LLM 토큰
• 벡터 포함
• kNN 및 ANN 벡터 검색 알고리즘