So nutzen Sie den Kosinus-Ähnlichkeit-Rechner
Der Kosinus-Ähnlichkeit-Rechner misst die richtungsbezogene Ähnlichkeit zweier Vektoren anhand eines Skalarwerts zwischen -1 und 1. Geben Sie Ihre Vektorkomponenten einfach als kommagetrennte Zahlenreihen ein, und die Anwendung liefert unmittelbar das normalisierte Ähnlichkeitsmaß, das Skalarprodukt sowie die jeweiligen Vektorbeträge:
- Vektor A eingeben — Tragen Sie die Zahlenwerte des ersten Vektors kommagetrennt ein (beispielsweise
1, 2, 3oder0.5, -1, 4). - Vektor B eingeben — Geben Sie die Werte des zweiten Vektors in gleicher Dimensionierung ein.
- Ergebnis analysieren — Das Rechentool gibt den berechneten Ähnlichkeitswert, das Skalarprodukt ($A \cdot B$) und die euklidischen Normen ($|A|$, $|B|$) übersichtlich aus.
Beide Vektoren müssen dieselbe Komponentenanzahl aufweisen und dürfen keine reinen Nullvektoren sein, da die Winkelberechnung sonst mathematisch undefiniert ist.
Formel & mathematischer Hintergrund
Die mathematische Grundlage für den Kosinus-Ähnlichkeit-Rechner ist die Definition des Skalarprodukts in der linearen Algebra:
cosine_similarity(A, B) = (A · B) / (‖A‖ × ‖B‖)| Parameter | Mathematische Bedeutung |
|---|---|
| A · B | Skalarprodukt (Dot Product): $\sum_{i=1}^n (A_i \cdot B_i)$ |
| ‖A‖ | Euklidische Norm von Vektor A: $\sqrt{\sum_{i=1}^n A_i^2}$ |
| ‖B‖ | Euklidische Norm von Vektor B: $\sqrt{\sum_{i=1}^n B_i^2}$ |
Der Wert entspricht dem Kosinus des eingeschlossenen Winkels $\theta$ zwischen den Vektoren:
- Wert nahe 1: Die Vektoren zeigen fast in dieselbe Richtung ($\theta \approx 0^\circ$).
- Wert um 0: Die Vektoren sind orthogonal zueinander ($\theta = 90^\circ$).
- Wert nahe -1: Die Vektoren zeigen in entgegengesetzte Richtungen ($\theta \approx 180^\circ$).
Da die Längen im Nenner herausgerechnet werden, ist der Kosinus-Ähnlichkeit-Rechner skaleninvariant. Zwei Vektoren mit identischen Richtungsverhältnissen wie $[1, 2, 3]$ und $[2, 4, 6]$ erzielen daher stets eine Kosinus-Ähnlichkeit von exakt 1.
Schritt-für-Schritt-Beispielrechnung
Betrachten wir die Vektoren $A = [3, 4]$ und $B = [1, 2]$:
- Skalarprodukt bestimmen:
$A \cdot B = (3 \cdot 1) + (4 \cdot 2) = 3 + 8 = 11$ - Betrag von A berechnen:
$|A| = \sqrt{3^2 + 4^2} = \sqrt{9 + 16} = \sqrt{25} = 5$ - Betrag von B berechnen:
$|B| = \sqrt{1^2 + 2^2} = \sqrt{1 + 4} = \sqrt{5} \approx 2{,}2361$ - Kosinus-Ähnlichkeit ermitteln:
$\text{Score} = \frac{11}{5 \cdot 2{,}2361} = \frac{11}{11{,}1803} \approx 0{,}9839$
Unser Kosinus-Ähnlichkeit-Rechner validiert diese Schritte in Echtzeit und interpretiert das Ergebnis als hochgradige Übereinstimmung.
Typische Anwendungsbereiche
In modernen Datenwissenschaften ist der Kosinus-Ähnlichkeit-Rechner ein unverzichtbares Analysewerkzeug:
- Natural Language Processing (NLP) & Text Mining: Vergleich von TF-IDF-Vektoren und Word Embeddings zur semantischen Dokumentenähnlichkeit.
- Empfehlungssysteme: Ermittlung ähnlicher Nutzerprofile oder Produktmerkmale beim kollaborativen Filtern.
- Maschinelles Lernen: Distanzmetrik für Clustering-Verfahren wie k-Means und Klassifikatoren wie k-Nearest-Neighbors (k-NN).
- Lineare Algebra & Geometrie: Schnelle Verifikation von Vektorwinkeln und Orthogonalitätsprüfungen im Studium.
Nutzen Sie den Kosinus-Ähnlichkeit-Rechner für zuverlässige Vektorvergleiche in Forschung, Entwicklung und Ausbildung.