向量的基本概念

在AI領域，向量是描述對象特征的抽象表達。以DashScope上的通用文本向量模型為例，通過輸入一段文本，通用文本向量模型會將這段文本變成一個向量，將文本變成向量的過程叫 Embedding。

調用示例

輸入文本：“衣服的質量杠杠的，很漂亮，不枉我等了這么久啊，喜歡，以后還來這里買”

import dashscope
from dashscope import TextEmbedding

dashscope.api_key = {YOUR API KEY}

def embed_with_str():
    resp = TextEmbedding.call(
        model=TextEmbedding.Models.text_embedding_v1,
        input='衣服的質量杠杠的，很漂亮，不枉我等了這么久啊，喜歡，以后還來這里買')
    print(resp)


if __name__ == '__main__':
    embed_with_str()

調用輸出

{
  "status_code": 200,
  "request_id": "617b3670-6f9e-9f47-ad57-997ed8aeba6a",
  "code": "",
  "message": "",
  "output": {
    "embeddings": [
      {
        "embedding": [
          0.09393704682588577,
          2.4155092239379883,
          -1.8923076391220093,
          .,
          .,
          .

        ],
        "text_index": 0
      }
    ]
  },
  "usage": {
    "total_tokens": 23
  }
}

在返回中embedding字段中的內容就是一條向量。

 [
    0.09393704682588577,
    2.4155092239379883,
    -1.8923076391220093,
    .,
    .,
    .
]

什么是向量維度和向量數據類型

從上文中可以看出，向量實際上是一串數字的組合，也就是一個數組，這個數組代表了這段文本的特征。向量的維度即為這個數組中元素的個數，例如，這個數組中有100個元素，那么向量就是100維的。仍以DashScope上的通用文本向量為例，通用文本向量返回的向量中都有1536個元素，則向量的維度為1536維，且返回的向量維度是不變的。從通用文本向量的說明文檔中也可以查看向量的維度，如下表所示。

而向量的數據類型指的是向量數組中元素的數據類型。還是以DashScope上通用文本向量為例，返回向量的元素均為Float型，則向量的數據類型為Float型。換言之，如果向量為[1,2,3,4]，向量中的元素都為整數型，那么這個向量則為4維的INT型向量。

什么是向量的距離度量方式

上文中講到向量實際上是一個數組，那么向量與向量之間的相似性，通常使用向量之間的距離這個參數來衡量。向量檢索服務（DashVector）支持三種典型的距離度量方式。

余弦距離 Cosine

余弦相似度是指兩個向量之間的夾角余弦值，它的計算公式為：

其中，A 和 B 分別表示兩個向量，n 表示向量的維度，· 表示向量的點積，||A||，||B||分別表示兩個向量的模長。

而在DashVector中使用余弦距離來表示相似度，余弦距離=1-余弦相似度，所以余弦距離取值范圍為[0, 2]，越接近 0 表示越相似，越接近 2 表示越不相似。余弦距離度量的計算公式如下：

歐式距離 Euclidean

歐幾里得距離是指兩個向量之間的距離，歐式距離越小，表示兩個向量越相似，它的計算公式為：

其中， A 和 B 分別表示兩個向量，n 表示向量的維度。

點積 DotProduct

向量的點積相似度是指兩個向量之間的點積值，也稱內積。點積（內積）結果越大，代表越相似，它的計算公式為：

其中，A 和 B 分別表示兩個向量，n 表示向量的維度。

常見模型及向量參數設置參考

在創建Collection時，可根據您使用的模型，選擇對應的參數。