Kosinus-Ähnlichkeit berechnen

Kosinus-Ähnlichkeit berechnen: Zwei Embedding-Vektoren einfügen und Ähnlichkeit, Skalarprodukt, Länge und euklidischen Abstand sofort sehen.

–

 

MaßWert

Ähnlichkeit von Embeddings

Embeddings stellen Texte als Zahlenreihen dar. Wie ähnlich sich zwei Texte in der Bedeutung sind, misst man meist mit der Kosinus-Ähnlichkeit: 1 heißt gleiche Richtung, 0 kein Zusammenhang, negative Werte entgegengesetzt.

Fügen Sie zwei Vektoren gleicher Länge ein, als Zahlenliste oder JSON-Array. Das Werkzeug berechnet Kosinus-Ähnlichkeit, Skalarprodukt, Längen und euklidischen Abstand.

Fragen

Häufige Fragen

Was ist ein guter Ähnlichkeitswert?

Das hängt vom Embedding-Modell ab. Oft gelten Werte über 0,8 als sehr ähnlich, die Schwelle sollten Sie aber mit eigenen Beispielen festlegen.

Warum Kosinus statt Abstand?

Kosinus misst die Richtung, nicht die Länge der Vektoren. Bei normierten Vektoren ergeben beide dieselbe Rangfolge.

Wie lang sind Embeddings?

Je nach Modell einige hundert bis einige tausend Werte.

Ratgeber

Zum Weiterlesen

Alle Artikel
  1. RAG einfach erklärt: KI mit eigenen Dokumenten nutzenRAG einfach erklärt: wie Retrieval-Augmented Generation funktioniert, wofür man Embeddings und Vektordatenbanken braucht und was ein RAG-System kostet.
  2. Structured Outputs: Zuverlässig JSON von KI-ModellenStructured Outputs erklärt: Wie Sie mit JSON-Schema garantiert gültiges JSON von OpenAI, Claude und Gemini bekommen, statt kaputte Antworten nachträglich zu reparieren.
  3. Prompt Injection: Wie Angriffe auf KI-Systeme funktionierenPrompt Injection erklärt: wie versteckte Anweisungen in E-Mails, Dokumenten und Websites KI-Assistenten und Agenten manipulieren und welche Schutzmaßnahmen wirken.
Weitere Werkzeuge

Das könnte auch helfen

Alle 115 Werkzeuge