Definitie
Cosinus-gelijkenis meet hoe vergelijkbaar twee vectoren zijn door de cosinus te berekenen van de hoek ertussen. Waarden variëren van -1 (tegengesteld) tot 1 (identiek), met 0 als orthogonaal (geen gelijkenis). Het is de meest gebruikte metriek voor het vergelijken van tekstembeddings omdat het focust op richting (betekenis) in plaats van magnitude (lengte).
Waarom het belangrijk is
Cosinus-gelijkenis is fundamenteel voor moderne AI-zoekopdrachten en retrieval:
- Richting boven magnitude — vangt semantische oriëntatie op, niet vectorlengte
- Genormaliseerde vergelijking — werkt met embeddings van verschillende magnitudes
- Efficiëntie — snel te berekenen, vooral met geoptimaliseerde libraries
- Interpreteerbaarheid — makkelijk te begrijpen: 1 = zelfde, 0 = niet gerelateerd, -1 = tegengesteld
- Standaardmetriek — default in de meeste vectordatabases en embedding APIs
Het maakt betekenisvolle vergelijking mogelijk van tekst, afbeeldingen en andere embedded representaties.
Hoe het werkt
┌────────────────────────────────────────────────────────────┐
│ COSINUS-GELIJKENIS │
├────────────────────────────────────────────────────────────┤
│ │
│ FORMULE: cos(θ) = (A · B) / (||A|| × ||B||) │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ │ │
│ │ B │ │
│ │ / │ │
│ │ / θ = hoek │ │
│ │ / │ │
│ │ / │ │
│ │ ──────────────► A │ │
│ │ │ │
│ │ cos(0°) = 1.0 → Identieke richting │ │
│ │ cos(45°) ≈ 0.71 → Vergelijkbare richting │ │
│ │ cos(90°) = 0.0 → Orthogonaal (niet gerelateerd) │ │
│ │ cos(180°) = -1.0 → Tegengestelde richting │ │
│ │ │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ VOORBEELDBEREKENING: │
│ Vector A = [0.8, 0.6] │
│ Vector B = [0.6, 0.8] │
│ │
│ A · B = (0.8 × 0.6) + (0.6 × 0.8) = 0.96 │
│ ||A|| = √(0.8² + 0.6²) = 1.0 │
│ ||B|| = √(0.6² + 0.8²) = 1.0 │
│ │
│ cos(θ) = 0.96 / (1.0 × 1.0) = 0.96 → Zeer vergelijkbaar │
│ │
└────────────────────────────────────────────────────────────┘Vergelijking met andere metrieken:
| Metriek | Formule | Wanneer gebruiken |
|---|---|---|
| Cosinus | 1 - cos(θ) | Genormaliseerde embeddings, tekstgelijkenis |
| Euclidisch | √Σ(a-b)² | Absolute afstanden belangrijk |
| Dotproduct | Σ(a×b) | Wanneer vectoren al genormaliseerd zijn |
Veelgestelde vragen
V: Waarom cosinus-gelijkenis in plaats van Euclidische afstand?
A: Cosinus negeert vectormagnitude en focust alleen op richting. Twee documenten over “belastingrecht” zouden vergelijkbaar moeten zijn, ook als het ene langer is met grotere embeddingmagnitude. Cosinus vangt dit op; Euclidisch behandelt ze als meer verschillend.
V: Wat betekent een cosinus-gelijkenis van 0.8?
A: De vectoren wijzen in bijna dezelfde richting—ze zijn semantisch vergelijkbaar. Voor tekstembeddings duidt 0.8+ typisch op sterke relevantie. Drempels variëren echter per model; kalibreer met je data.
V: Kan cosinus-gelijkenis negatief zijn?
A: Ja, wanneer vectoren in tegengestelde richtingen wijzen. Met de meeste tekstembeddings zijn negatieven zeldzaam omdat embeddingmodellen typisch vectoren in positieve ruimte produceren. Een waarde nabij 0 is gebruikelijker voor niet-gerelateerde content.
V: Is cosinus-gelijkenis hetzelfde als cosinus-afstand?
A: Ze zijn omgekeerden. Cosinus-afstand = 1 - cosinus-gelijkenis. Databases gebruiken vaak “afstand” (lager = meer vergelijkbaar) terwijl APIs “gelijkenis” rapporteren (hoger = meer vergelijkbaar). Controleer de conventie van je tool.
Gerelateerde termen
- Embeddings — vectoren die cosinus-gelijkenis vergelijkt
- Semantische Gelijkenis — concept gemeten door cosinus-gelijkenis
- Vector Database — gebruikt cosinus voor nearest-neighbor search
- Semantic Search — retrieval aangedreven door cosinusvergelijkingen
Referenties
Singhal (2001), “Modern Information Retrieval: A Brief Overview”, IEEE Data Engineering Bulletin. [3.000+ citaties]
Manning et al. (2008), “Introduction to Information Retrieval”, Cambridge University Press. [20.000+ citaties]
Mikolov et al. (2013), “Efficient Estimation of Word Representations in Vector Space”, arXiv. [35.000+ citaties]
Johnson et al. (2019), “Billion-scale similarity search with GPUs”, IEEE Transactions on Big Data. [1.500+ citaties]
References
Singhal (2001), “Modern Information Retrieval: A Brief Overview”, IEEE Data Engineering Bulletin. [3,000+ citations]
Manning et al. (2008), “Introduction to Information Retrieval”, Cambridge University Press. [20,000+ citations]
Mikolov et al. (2013), “Efficient Estimation of Word Representations in Vector Space”, arXiv. [35,000+ citations]
Johnson et al. (2019), “Billion-scale similarity search with GPUs”, IEEE Transactions on Big Data. [1,500+ citations]