- Kesamaan kosinus mengukur keselarasan arah dua vektor dengan menghitung kosinus sudut di antara keduanya, mengabaikan besaran keseluruhannya.
- Metrik ini sangat penting untuk AI modern, memungkinkan pencarian semantik, sistem rekomendasi yang dipersonalisasi, dan pemrosesan embedding berdimensi tinggi.
- Meskipun kesamaan kosinus standar memperlakukan fitur sebagai independen, versi yang lebih canggih seperti Soft Cosine mengintegrasikan hubungan antar fitur untuk meningkatkan akurasi.
Pernahkah Anda bertanya-tanya bagaimana Spotify tampaknya tahu persis lagu mana yang tepat sasaran atau bagaimana Google memahami bahwa kueri pencarian Anda memiliki arti spesifik meskipun Anda tidak menggunakan kata-kata yang persis sama? Sebagian besar keajaiban terjadi di balik layar menggunakan embedding vektor . Alih-alih memperlakukan kata atau item sebagai teks sederhana, AI mengubahnya menjadi titik-titik dalam ruang multidimensi yang sangat besar, dan di situlah konsep kesamaan kosinus berperan untuk memahami semuanya.
Pada dasarnya, trik matematika ini memungkinkan komputer untuk mengetahui seberapa "dekat" dua hal dengan melihat sudut antara vektor-vektornya . Komputer tidak mempermasalahkan apakah satu vektor jauh lebih panjang daripada yang lain; yang penting adalah apakah keduanya mengarah ke arah yang sama. Ini merupakan terobosan besar bagi Pemrosesan Bahasa Alami (NLP) dan mesin rekomendasi karena berfokus pada makna semantik daripada sekadar mencocokkan karakter.
Seluk Beluk Perhitungan
Untuk memahami cara kerjanya, Anda perlu memahami bahwa setiap data—baik itu kata atau film—direpresentasikan sebagai vektor di mana setiap dimensinya adalah atribut tertentu. Untuk menemukan kesamaan, kita mengikuti beberapa langkah spesifik. Pertama, kita menghitung hasil perkalian titik (dot product) , yang melibatkan perkalian nilai yang sesuai dari kedua vektor dan menjumlahkannya untuk melihat seberapa selarasnya. Selanjutnya, kita menentukan besaran (atau panjang) setiap vektor dengan mengambil akar kuadrat dari jumlah kuadrat komponennya.
Langkah terakhir adalah rumus kesamaan kosinus yang sebenarnya : Anda mengambil hasil perkalian titik tersebut dan membaginya dengan hasil perkalian kedua magnitudo. Secara matematis, rumusnya adalah Kesamaan Kosinus = (A · B) / (||A|| × ||B||) . Hasilnya adalah skor yang biasanya berkisar antara -1 dan 1. Skor 1 berarti vektor-vektor tersebut sejajar sempurna , 0 berarti ortogonal (sama sekali tidak berhubungan), dan -1 berarti berlawanan secara diametris.
Menempatkannya dalam Perspektif: Raja, Ratu, dan Apel
Mari kita perjelas. Bayangkan sebuah LLM yang memproses kata "raja" dan "ratu". Karena istilah-istilah ini sering muncul di dekat kata-kata seperti "takhta" atau "monarki", vektor penyematannya akan mengarah ke arah yang hampir sama, menghasilkan skor kesamaan kosinus yang tinggi . Sekarang, tambahkan kata "apel" ke dalam campuran. Meskipun berada dalam dokumen yang sama, kata ini berada di dekat istilah-istilah seperti "buah" atau "kebun", sehingga vektornya akan mengarah ke arah yang sangat berbeda, menghasilkan skor kesamaan yang jauh lebih rendah.
Agar prosesnya tetap cepat, perusahaan tidak hanya menghitungnya secara langsung untuk setiap item. Mereka menggunakan basis data vektor . Alat khusus ini dibangun untuk mengindeks vektor berdimensi tinggi, memungkinkan pengambilan kecocokan yang paling mirip dengan sangat cepat tanpa harus memindai seluruh dataset secara manual.
Melangkah Lebih Jauh dari Dasar-Dasar: Kosinus Lunak dan Metrik Lainnya
Kesamaan kosinus standar memiliki kelemahan: ia mengasumsikan setiap dimensi bersifat independen. Namun, di dunia nyata, kata-kata seperti "bermain" dan "permainan" adalah dimensi yang berbeda tetapi secara semantik saling terkait . Di sinilah Kesamaan Kosinus Lunak berperan. Ia memperkenalkan matriks kesamaan (sering menggunakan jarak Levenshtein atau WordNet) untuk memperhitungkan hubungan antar fitur, memungkinkan model untuk menggeneralisasi konsep secara lebih efektif, bahkan jika fitur formalnya berbeda.
Ada baiknya juga membandingkannya dengan metrik umum lainnya. Misalnya, Jarak Euclidean (L2) mengukur jarak garis lurus antara dua titik, yang sangat bagus untuk kedekatan spasial. Jarak Manhattan (L1) menghitung jarak mengikuti jalur seperti grid. Sementara metrik-metrik ini mengukur jarak absolut , kesamaan kosinus hanya berfokus pada orientasi . Ada juga Kesamaan Hasil Kali Titik , yang mempertimbangkan sudut dan besaran. Jika Anda menormalkan vektor Anda ke panjang satuan, hasil kali titik dan kesamaan kosinus pada dasarnya menjadi hal yang sama, tetapi hasil kali titik lebih murah secara komputasi untuk dihitung.
Aplikasi Praktis dalam Data Grafik dan Pencarian
Dalam dunia basis data grafik seperti Amazon Neptune dan sistem grafik lainnya , kesamaan kosinus digunakan untuk menemukan kohesi antar kelompok atau mengidentifikasi pengguna yang serupa. Misalnya, jika Anda memiliki grafik orang dan masakan favorit mereka, Anda dapat merepresentasikan preferensi mereka sebagai vektor skor. Dengan menerapkan algoritma kesamaan kosinus , Anda dapat memberi peringkat pengguna mana yang memiliki selera paling mirip, terlepas dari apakah satu orang memberi peringkat lebih banyak restoran daripada orang lain.
Mesin pencari modern juga beralih dari pencarian leksikal murni (seperti Ctrl+F) menuju pencarian vektor . Meskipun pencarian leksikal bagus untuk tokenisasi, ia melewatkan inti dari teks. Pencarian vektor menangkap maksud yang mendasarinya . Dalam sistem seperti Elasticsearch, ini diimplementasikan dengan mengubah kueri menjadi embedding dan menemukan tetangga terdekat menggunakan metrik yang telah kita bahas, seringkali mengubah rentang -1 hingga 1 menjadi skor positif untuk peringkat yang lebih baik.
Baik Anda sedang membangun sistem rekomendasi film atau agen AI yang kompleks, memilih metrik kesamaan yang tepat bergantung pada apakah besaran vektor memiliki makna. Jika Anda hanya peduli dengan "tema" atau "arah" data, kesamaan kosinus adalah pilihan terbaik Anda. Bagi mereka yang membutuhkan jarak spasial mentah, Euclidean adalah cara yang tepat. Dengan menggabungkan alat-alat matematika ini dengan algoritma pengindeksan yang efisien , kita dapat mengubah data yang tidak terstruktur menjadi peta makna manusia yang terorganisir dan dapat dicari.
