▼ 표 1-2 유클리드 거리와 코사인 유사도
|
비교 항목 |
유클리드 거리 |
코사인 유사도 |
|
주요 개념 |
두 점 간의 직선 거리 |
두 벡터 간의 각도 |
|
벡터 크기 고려 |
○ (거리 자체를 비교) |
× (방향만 고려) |
|
고차원 데이터 처리 |
어려울 수 있음(차원의 저주)4 |
상대적으로 안정적 |
|
사용 사례 |
위치 기반 추천, 이미지 검색 |
문서 검색, NLP, 추천 시스템 |
|
그래프 비교 |
 |
|
이 두 가지 방법을 사용하기 위해서는 복잡한 수식 과정을 거쳐야 하지만 랭체인을 이용한다면 쉽게 벡터 검색을 구현할 수 있습니다.
다음은 예시 코드입니다. 여기서 핵심적인 코드만 살펴보겠습니다.