文書ベクトルのコサイン類似度
社内の問い合わせ文を単語の出現回数でベクトルにして、似ている過去の事例を探す。語彙を「返品」「送料」「交換」の3語に絞ると、新しい問い合わせは (1, 2, 2)、過去事例Xは (2, 1, 2) になった。コサイン類似度 = 内積 ÷ (2つのベクトルの長さの積)とするとき、値として最も近いものを1つ選べ。
- A
1.33
- B
0.44
- C
8
- D
0.89
正解と解説を見る
正解:D
コサイン類似度は、内積を2つのベクトルの長さの積で割った値である。文書の長さに左右されにくく、単語の出現傾向がどれだけ似ているかを測れる。
- A
誤り。長さの和(3 + 3 = 6)で割っている。コサイン類似度は1を超えないので、1を超えた時点で計算ミスだと分かる。
- B
誤り。長さの2乗の和(9 + 9 = 18)で割っている。割る値は長さどうしの積である。
- C
誤り。内積を出したところで止めている。コサイン類似度は長さの積で割るので、-1から1の範囲に収まる。
- D
正しい。内積は 1 × 2 + 2 × 1 + 2 × 2 = 8。長さはどちらも、1 + 4 + 4 = 9 の平方根で3になる。8 ÷ (3 × 3) = 8 ÷ 9 で約0.89。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。