類似度

類似度とは

データ間の意味的な近さや関連性を数値で表現するための評価尺度です。特にテキストデータにおいては、単語や文の意味的な近さを数値化する際に用いられ、データ間の関係性を理解するための重要な手段となります。テキストデータだけでなく、画像や音声データなど、様々な形式のデータに適用されます。生成AIの文脈では、この類似度を測るために、まずテキストデータをベクトルデータベースなどで埋め込み表現（ベクトル）に変換します。例えば、「コサイン類似度」は、これらのベクトルが多次元空間上でどれだけ同じ方向を向いているか、つまり意味的にどれだけ近いかを−1から1の範囲（通常は0から1）で評価する一般的な手法です。類似度が高いほど、そのテキストデータ同士は意味的に関連性が強いと判断されます。この指標は、情報検索における関連文書の抽出、レコメンデーションシステムにおける類似コンテンツの推薦、あるいはLLMのハルシネーション抑制のためのRAG（Retrieval-Augmented Generation）など、多岐にわたるAIアプリケーションで活用され、その出力の質を向上させる上で不可欠な要素となっています。