火花MLLib的Word2Vec余弦相似度大于1

Question

http://spark.apache.org/docs/latest/mllib-feature-extraction.html#word2vec

在火花实施word2vec的，当迭代或数据分区的数目是大于一，由于某种原因，余弦相似度大于1

据我所知，余弦相似度应该总是大约-1 < cos < 1.有人知道为什么吗？

Answer 1

在word2vecfindSynonyms方法，它不计算余弦相似度v1・vi/|v1| |vi|，代替它计算v1・vi/|vi|，其中v1是查询字的矢量和vi是候选字的矢量。 这就是为什么数值有时会超过1的原因。 只是为了找到更接近的单词，没有必要除以|v1|，因为它是恒定的。