Todos los desafíos
Fácil 0 resueltos 0% de aceptación

Cosine Similarity

Measure how similar two vectors are by the angle between them, as search engines do with embeddings.

Lo que aprenderás

  • Measure similarity by angle
  • Compute dot products and vector norms
  • Understand how semantic search compares texts

Problema

Ver traducción

Cosine similarity compares the direction of two vectors and ignores their length. Semantic search uses it to find texts with similar embeddings:

cos(a, b) = (a · b) / (|a| × |b|), where |a| = √(a₁² + a₂² + … + aₙ²)

The result is 1 for the same direction, 0 for perpendicular vectors and -1 for opposite directions. If either vector is all zeros, return 0.

Implement cosine_similarity(a, b).

Input

a, b: Two lists of numbers with the same length.

Output

Return the cosine similarity as a decimal number.

Restricciones

1 ≤ length ≤ 1,000

-1,000 ≤ each value ≤ 1,000

Ejemplos

Ejemplo 1
Entrada:
a = [1.0, 0.0]
b = [0.0, 1.0]

Salida esperada:
expected = 0.0
Entrada:
std::vector<double> a = {1.0, 0.0};
std::vector<double> b = {0.0, 1.0};

Salida esperada:
double expected = 0.0;
Entrada:
double[] a = new double[] {1.0, 0.0};
double[] b = new double[] {0.0, 1.0};

Salida esperada:
double expected = 0.0;

Explicación

The dot product is 0, so the vectors are perpendicular and the similarity is 0.

Ejemplo 2
Entrada:
a = [1.0, 2.0, 3.0]
b = [2.0, 4.0, 6.0]

Salida esperada:
expected = 1.0
Entrada:
std::vector<double> a = {1.0, 2.0, 3.0};
std::vector<double> b = {2.0, 4.0, 6.0};

Salida esperada:
double expected = 1.0;
Entrada:
double[] a = new double[] {1.0, 2.0, 3.0};
double[] b = new double[] {2.0, 4.0, 6.0};

Salida esperada:
double expected = 1.0;

Explicación

b is a times 2: same direction, so the similarity is 1 even though the lengths differ.

Cómo abordarlo

Inténtalo primero por tu cuenta y luego abre las pistas una a una.

Pista 1

The score depends on direction, so first compute the dot product and both vector lengths separately.

Pista 2

If either vector has zero magnitude, the similarity is defined as zero instead of dividing by zero.

Pista 3

Use the same index across both vectors for every term, and remember the denominator is the product of magnitudes.

Complejidad esperada

O(n) time, O(1) extra space

Referencias

Este reto está adaptado para CodeUtility. Sigue el enunciado y las restricciones indicadas arriba.

Clasificación

Clasificación completa

La mejor solución aprobada de cada programador. Las más rápidas, ligeras y mejor valoradas van primero.

Aún no hay soluciones aprobadas. Resuélvelo y quédate el primer puesto.

Aprende de otros

Soluciones de la comunidad

Aún no hay soluciones publicadas. Resuelve este reto para compartir la primera.