概述

计算距离某个向量最近的k个向量集合。这些向量通常是通过算法生产的包含语义的向量（例如word2vec生产的词向量，或者doc2vec生产的文章向量）。可以用于寻找和一个单词或者一篇文章相似的单词或者文章。

输入

参数	子参数	参数说明
inputs	dataframe	inputs为字典类型，dataframe为pyspark中的DataFrame类型对象。用于计算距离每个向量最近的topN个向量

输出

参数	子参数	参数说明
outputs	output_port_1	指向一个pyspark的DataFrame类型对象，该对象中包含距离每个向量最近的topN个向量的结果

参数说明

参数	是否必选	参数说明	默认值
id_col	是	用户id所在的列名	“id”
vector_col	是	向量的列名列表，如col1，col2	“”
topn	是	输出的距离最近的向量的数目。取值范围[1,+∞)	20
distance_type	是	距离的计算方式。取值[cosine]	“cosine”
distance_threshold	是	距离的阈值。当两个向量的距离小于此值时输出。取值范围（0,+∞）	1.0
leaf_size	是	叶子节点大小	50

样例

数据样本

id,f1,f2
1,0.1,0.2
2,0.3,0.1
3,0.7,0.2

配置流程

运行流程

参数设置

查看结果

original_id,near_id,distance,rank
3,2,0.0009438416449403242,1
3,1,0.3242753714826536,2
1,2,0.29289321881345254,1
1,3,0.3242753714826536,2
2,3,0.0009438416449403242,1
2,1,0.29289321881345254,2

父主题： 文本

同意关联代理商云淘科技，购买华为云产品更优惠（QQ 78315851）

内容没看懂？ 不太想学习？想快速解决？ 有偿解决： 联系专家