【G検定過去問風テスト】自然言語処理の強力な武器！「コサイン類似度」とは

2026年8月8日 2026年8月8日 atsushi_kitazawa

※本記事では、アフィリエイトプログラムより教材を紹介しています。

📝 問題

以下の文章を読み、空欄に最もよく当てはまる選択肢を1つ選べ。

自然言語処理において、2つの文章や単語のベクトルが向いている「角度」の近さによって類似度を測る指標であり、テキストの長さに左右されない特徴を持つため非常によく使われるものは ( ) である。

🔍 ここをクリックして正解を見る

重要度: ★★★

例えば、「A君が書いた短い犬の紹介文」と「B君が書いた長文の犬の紹介文」を比較したいとします。

もし単純な直線距離（ユークリッド距離）を使ってしまうと、B君の文章の方が文字数が多いために「全然違う文章だ！」とAIが勘違いしてしまいます。しかし、使われている単語の割合（意味の向き）を比べれば、どちらも同じ「犬」について書かれた似たような文章だと判断できますよね。

この「文章の長さ（ベクトルの大きさ）は無視して、話の方向性（角度）がどれくらい同じか」をスマートに計算してくれるのがコサイン類似度です。AIのチャットボットや検索エンジンで、似た質問を見つけるときなどに大活躍しています。

A) ユークリッド距離（×）: 2点間の単純な「直線距離」を測る手法です。ベクトルの長さ（テキストの文字数など）の影響を強く受けるため、文章の比較にはあまり向きません。
B) マハラノビス距離（×）: データのバラつきや変数間の相関（共分散）を考慮した距離のことで、主に異常検知などで使われます。
C) コサイン類似度（○）: ベクトルの向き（角度）の近さで類似度を測り、長さの影響を受けないため自然言語処理で重宝されます。本問の正解です。
D) ピアソン相関係数（×）: 2つの変数の間にどれくらい直線的な関係（相関）があるかを測るための指標です。

リンク