ChatGPT 拓展资料：AI大模型之美 -计算两个向量之间的余弦相似度
本文讲解使用openai.embeddings_utils中的cosine_similarity和get_embedding函数。
首先，让我们了解一下这两个函数的作用：
cosine_similarity: 计算两个向量之间的余弦相似度。get_embedding: 获取一个单词或短语的嵌入向量表示。
接下来，我将为你演示如何使用这两个函数：
获取单词或短语的嵌入向量表示：要获取单词或短语的嵌入向量表示，你需要调用get_embedding函数，并传递你要获取嵌入向量的单词或短语作为参数。下面是一个使用get_embedding函数获取单词"cat"的嵌入向量的示例：
import openaiimport osfrom openai.embeddings_utils import cosine_similarity, get_embeddingembedding = get_embedding("cat")print(embedding)
这将打印出表示单词"cat"的嵌入向量。
计算两个向量之间的余弦相似度：要计算两个向量之间的余弦相似度，你需要调用cosine_similarity函数，并传递两个向量作为参数。下面是一个使用cosine_similarity函数计算两个向量之间余弦相似度的示例：
vector1 = get_embedding("cat")vector2 = get_embedding("dog")similarity = cosine_similarity(vector1, vector2)print(similarity)
