对于人工智能核心-向量的理解
最新回答
落花缤纷下
2024-05-06 06:40:40
传统意义上我们会在链表、二叉树、数组中查询，但是人工智能中构建了更多维度的底库，包括按图层创建、按小世界创建等等，基于图的算法更迅速 效果好，但构建更复杂。
而如何识别出结果就是我们要查询的内容，靠的就是距离算法，就是通过在不同的角度判断目标与底库中数据的距离，计算方法包括：
欧式距离：空间中两点之间的距离
夹角余弦：角度距离，数据在同一个角度范围内
汉明距离：差异距离，两个字符要变成同一字符的距离
杰卡德相似系数：两个集合交集和两集合并集的比
以上算法成为机器视觉开始的主流算法
而这其中离不开的就是向量的概念
刚刚说了创建底库，而底库组成的元素就是向量，越多维的向量标识，则查询的越准确，当然算力需要的也更大。
汉字的向量的一般维度是100维到300维之间，我们在同一个向量空间表达所有的词，则这个空间就是底库。
热门标签
