milvus余弦相似度方法

在Milvus中，余弦相似度是一种常用的相似度度量方法[^1]。余弦相似度通过计算两个向量之间的角度的余弦值来衡量它们的相似程度。余弦相似度的计算公式如下：

cosine_similarity = dot_product(A, B) / (norm(A) * norm(B))

其中，`dot_product(A, B)`表示向量A和向量B的点积，`norm(A)`和`norm(B)`分别表示向量A和向量B的范数。

余弦相似度的取值范围在[-1, 1]之间。当两个向量的余弦相似度接近1时，表示它们的方向非常相似；当余弦相似度接近0时，表示它们的方向几乎正交；当余弦相似度接近-1时，表示它们的方向完全相反。

在Milvus中，可以使用以下代码示例计算两个向量之间的余弦相似度：

import numpy as np

def cosine_similarity(vector1, vector2):
    dot_product = np.dot(vector1, vector2)
    norm1 = np.linalg.norm(vector1)
    norm2 = np.linalg.norm(vector2)
    cosine_similarity = dot_product / (norm1 * norm2)
    return cosine_similarity

vector1 = np.array([1, 2, 3])
vector2 = np.array([4, 5, 6])
similarity = cosine_similarity(vector1, vector2)
print("Cosine similarity:", similarity)

这段代码中，`vector1`和`vector2`分别表示两个向量，`cosine_similarity`函数用于计算余弦相似度。运行代码后，会输出两个向量之间的余弦相似度。