Medida matemática que calcula el coseno del ángulo entre dos vectores multidimensionales para determinar su nivel de afinidad semántica, oscilando entre -1 y +1.
Explicación y Contexto Conceptual
La Similitud del Coseno es la métrica de distancia y afinidad más ampliamente utilizada en el procesamiento del lenguaje natural (NLP) y los motores de búsqueda vectorial. A diferencia de la distancia euclidiana tradicional (que mide la distancia física en línea recta entre dos puntos y se ve afectada por la longitud del texto), la similitud del coseno evalúa exclusivamente la orientación o ángulo de los vectores.
Un valor de cos(theta) = 1.0 indica que los dos vectores apuntan en la misma dirección exacta (identidad semántica total); un valor de 0 indica que son ortogonales e independientes (cero relación temática); y un valor de -1 indica oposición total.
En la optimización para motores de respuesta (AEO) y RAG, los sistemas fijan un 'umbral de similitud' (por ejemplo, 0.78 o 0.82): solo los fragmentos de contenido cuya similitud del coseno con la consulta del usuario supere ese umbral son entregados al LLM para formular la respuesta, descartando información irrelevante.
Ejemplo en la Práctica
La consulta "cómo cancelar mi suscripción" y el párrafo "política de rescisión de membresías" tienen una similitud del coseno de 0.89, certificando su coincidencia temática.