Compartir a través de

series_cosine_similarity()

  • Artículo

Se aplica a: ✅Microsoft Fabric✅Azure Data Explorer✅Azure Monitor✅Microsoft Sentinel

Calcule la similitud coseno de dos vectores numéricos.

La función series_cosine_similarity() toma dos series numéricas como entrada y calcula su similitud de coseno.

Sintaxis

series_cosine_similarity( series1, series2, [*magnitud1, [*magnitud2]])

Obtenga más información sobre las convenciones de sintaxis.

Parámetros

Nombre Type Obligatorio Descripción
series1, series2 dynamic ✔️ Matrices de entrada con datos numéricos.
magnitud1, magnitud2 real Magnitud opcional del primer y segundo vector respectivamente. La magnitud es la raíz cuadrada del producto de punto del vector con sí mismo. Si no se proporciona la magnitud, se calculará.

Devoluciones

Devuelve un valor de tipo real cuyo valor es la similitud coseno de series1 con series2. En caso de que la longitud de ambas series no sea igual, la serie más larga se truncará hasta la longitud de la más corta. Se omitirá cualquier elemento no numérico de la serie de entrada.

Nota:

Si una o ambas matrices de entrada están vacías, el resultado será null.

Optimización del rendimiento

Para mejorar el rendimiento y reducir los requisitos de almacenamiento al usar esta función, considere la posibilidad de usar la Vector16 directiva de codificación para almacenar vectores de punto flotante que no requieren precisión de 64 bits, como incrustaciones de vectores de ML. El Vector16 perfil, que utiliza la representación de punto flotante Bfloat16 , puede optimizar significativamente la operación y reducir el tamaño de almacenamiento en un factor de 4. Para obtener más información sobre la Vector16 directiva de codificación, consulte Tipos de directiva de codificación.

Ejemplo

Ejecución de la consulta

datatable(s1:dynamic, s2:dynamic)
[
    dynamic([0.1,0.2,0.1,0.2]), dynamic([0.11,0.2,0.11,0.21]),
    dynamic([0.1,0.2,0.1,0.2]), dynamic([1,2,3,4]),
]
| extend cosine_similarity=series_cosine_similarity(s1, s2)
s1 s2 cosine_similarity
[0.1,0.2,0.1,0.2] [0.11,0.2,0.11,0.21] 0.99935343825504
[0.1,0.2,0.1,0.2] [1,2,3,4] 0.923760430703401

Contenido relacionado