在向量搜索中，使用数学度量来测量相似性以量化两个向量有多接近或相关。三个主要度量是欧几里得距离 (L2) 、余弦相似度和内积。根据应用程序和要分析的数据类型，每个服务都有特定的目的。度量的选择影响搜索过程的性能和结果。
欧几里得距离测量空间中两个向量之间的直线距离。它是直观的，适用于比较数据的方向和大小的问题，如图像像素强度。另一方面，余弦相似度计算向量之间的角度，使其非常适合文本或高维数据，其中方向而不是大小承载语义信息。内积或点积结合了距离和方向的各个方面，并且在大小和投影相关时很有用。
例如，在电子商务应用程序中，余弦相似性可用于将用户偏好 (作为嵌入) 与产品嵌入进行比较以推荐项目。对于图像处理，欧几里得距离可以测量基于像素的差异，而内积通常应用于涉及归一化或稀疏向量的场景。适当的度量取决于数据类型和手头的特定任务。