小林聡美
名前：小林 聡美（こばやし さとみ） ニックネーム：さと・さとみん 年齢：25歳 性別：女性 職業：季節・暮らし系ブログを運営するブロガー／たまにライター業も受注 居住地：東京都杉並区・阿佐ヶ谷の1Kアパート（築15年・駅徒歩7分） 出身地：長野県松本市（自然と山に囲まれた町で育つ） 身長：158cm 血液型：A型 誕生日：1999年5月12日 趣味： ・カフェで執筆＆読書（特にエッセイと季節の暮らし本） ・季節の写真を撮ること（桜・紅葉・初雪など） ・和菓子＆お茶めぐり ・街歩きと神社巡り ・レトロ雑貨収集 ・Netflixで癒し系ドラマ鑑賞 性格：落ち着いていると言われるが、心の中は好奇心旺盛。丁寧でコツコツ型、感性豊か。慎重派だけどやると決めたことはとことん追求するタイプ。ちょっと天然で方向音痴。ひとり時間が好きだが、人の話を聞くのも得意。 1日のタイムスケジュール（平日）： 時間 行動 6:30 起床。白湯を飲んでストレッチ、ベランダから天気をチェック 7:00 朝ごはん兼SNSチェック（Instagram・Xに季節の写真を投稿することも） 8:00 自宅のデスクでブログ作成・リサーチ開始 10:30 近所のカフェに移動して作業（記事執筆・写真整理） 12:30 昼食。カフェかコンビニおにぎり＋味噌汁 13:00 午後の執筆タイム。主に記事の構成づくりや装飾、アイキャッチ作成など 16:00 夕方の散歩・写真撮影（神社や商店街。季節の風景探し） 17:30 帰宅して軽めの家事（洗濯・夕飯準備） 18:30 晩ごはん＆YouTube or Netflixでリラックス 20:00 投稿記事の最終チェック・予約投稿設定 21:30 読書や日記タイム（今日の出来事や感じたことをメモ） 23:00 就寝前のストレッチ＆アロマ。23:30に就寝
コサイン類似度と内積の違いを徹底解説｜中学生にもわかる図解つき
数学の世界には長さと方向という二つの大切なイメージがあります。矢印のようなベクトルを思い浮かべると分かりやすいです。コサイン類似度はこの矢印の間の角度がどれくらい近いかを測る指標で、内積は二つのベクトルの長さと角度の両方を反映する量です。コサイン類似度は方向の近さを評価するのに向いており、内積は大きさと角度の両方に影響を受ける性質があります。
角度が近いほど cos θ は大きくなり、0度で 1 に、180度で -1 に近づきます。内積は a1b1 + a2b2 などの和の積の総和で、両方の長さを掛け合わせたものとは違う意味を持ちます。
たとえば二つのベクトルが同じ方向へ伸びていくと、内積も大きくなりますが、コサイン類似度は方向が同じなら 1 に近づく一方で、長さが大きくても必ず 1 になるわけではありません。これが両者の一つの大きな違いです。
注意点としてゼロベクトルがあると cos は定義できません。内積はゼロベクトルのときも計算できますが、意味が薄くなることがあります。これらの点を押さえると、コサイン類似度と内積がどんな場面で適しているかの判断がしやすくなります。
基本的な仕組みと直感
まず、内積は a·b = a1b1 + a2b2 のように対応する成分どうしを掛けて全部足し合わせる計算です。これ自体は次元が増えても同じ考え方で、二つの矢印がどんな関係かをざっくりつかむ手段になります。ところが内積はベクトルの長さにも敏感なので、長さが大きいだけで似ているとは限りません。一方、コサイン類似度は a·b を二つのベクトルの長さ、つまりノルムで割って角度だけを見るやり方です。数式で書くと cos θ = (a·b) / (||a|| ||b||) となり、長さが違っていても角度が近ければ高くなります。
この性質は、テキストデータのように表現が長さにばらつく場合に特に役立ちます。なぜなら文や単語を表すベクトルは長さが変わると意味が変わって見えることがありますが、角度だけを比較すれば同じ意味の表現を見つけやすいからです。
また、ゼロベクトルの扱いには注意が必要です。||a|| や ||b|| がゼロだと割り算ができず計算不能になります。その場合は別の前処理を行う必要があります。
実例と表での比較
ここでは具体的な数値を使って内積とコサイン類似度の違いを比較してみましょう。例として二つのベクトル a = (1, 0) と b = (0, 1) を使います。内積は a·b = 1×0 + 0×1 = 0 です。これが意味するのは、角度が 90 度でお互いに影響を与えないこと、つまり長さと角度の組み合わせによって結果が変わることです。一方、コサイン類似度は cos θ = 0 となり、似ていないことを示します。別の例として a = (1, 2) と b = (2, 4) を考えると内積は 1×2 + 2×4 = 10 です。ノルムは ||a|| = √5、||b|| = √20 で、コサイン類似度は 10 / (√5 × √20) = 10 / 10 = 1 になります。これは結局、二つのベクトルが同じ方向へ伸びていることを意味します。
以下の表はこれらの違いを分かりやすく整理したものです。<table border=1>
まとめとポイント
この章では要点の振り返りをします。コサイン類似度は角度を、内積は長さと角度の組み合わせを扱うことを再確認します。実務ではデータの正規化、特徴量の次元、ゼロベクトルの扱いなどに注意を払う必要があります。使い分けのコツとしては、データの大きさに敏感かどうか、特徴量の方向性が重要かどうかを判断軸にします。テキスト分析や機械学習の前処理でコサイン類似度を用いる場面は多く、似ているかどうかを直感的に評価するのに適しています。内積は物理的な意味や、プロジェクション計算、ニューラルネットの一部の演算でまだ強力です。
最後に、練習問題として身近な例を自分で作って比べてみることをおすすめします。
友達とカフェでコサイン類似度について話したときのことを思い出します。私たちは角度と長さの違いを分けて考えようとしました。Aさんは文章の長さに敏感な特徴量の世界、Bさんは意味の方向性を重視する特徴量の世界です。コサイン類似度は方向性の近さを評価する道具で、たとえ文字数が多くても意味がほぼ同じなら高い値を取りやすいのが特徴です。逆に内積は長さの影響を強く受けるので、長い文と短い文が同じ意味であっても結果は変わることがあります。だからこそ用途を分けて使うのが大切だと気づきました。もし友達がテキスト分析の話をし始めたら、コサイン類似度と内積の違いをこの話のように想像して伝えると、相手にも伝わりやすいはずです。
の人気記事
