  AI 驱动的推荐系统：从 Embeddings 到相似度计算

==============================

引言

在当今信息爆炸的时代，如何快速准确地获取所需信息变得尤为重要。推荐系统作为解决信息过载问题的利器，在各大平台上得到了广泛应用。今天呆同学将分享如何使用 OpenAI 的 Embeddings 接口构建一个简单而高效的推荐系统。通过详细的代码解析和步骤说明，带领大家从理论到实践，深入理解推荐系统的实现过程。

Embeddings

Embeddings 是一种将高维数据（如文本、图像等）映射到低维空间的技术。它将原始数据转换为一组实数向量，使其能够进行数学计算和比较。通过 Embeddings，复杂的非结构化数据可以在向量空间中进行处理，方便实现相似度计算、聚类和分类等任务。

OpenAI 提供了一系列强大的 Embeddings 模型，这些模型能够将文本转换为高维向量表示，使其可以进行语义比较和分析。在接下来的实例中，我们使用的是 OpenAI 提供的 text-embedding-ada-002 模型。

设计思路

数据准备：收集并整理需要推荐的内容数据，确保数据质量和格式一致性。
向量化表示：利用 OpenAI 的 Embeddings 接口，将文本数据转换为向量表示，使其能够进行数学计算和比较。
相似度计算：通过计算向量之间的余弦相似度，评估不同内容之间的相似程度。
推荐系统：根据相似度计算结果，筛选出与用户输入最相关的内容，并进行推荐。

实现步骤

准备工作

首先创建一个后端项目，初始化并安装相关依赖。

//初始化后端 
npm init -y 
//安装OpenAI依赖 
npm i openai 
//安装dotenv依赖 
npm i dotenv

创建好一个posts.json文件用来存放我们准备好的数据，下面展示一部分数据。

创建.env文件，存好我们的API密钥。

测试接口

导入所需包

import OpenAI from "openai";
import dotenv from "dotenv";
dotenv.config({ path: ".env" });

创建 OpenAI 实例对象

const client = new OpenAI({
    apiKey: process.env.OPENAI_KEY,
    baseURL: "https://api.302.ai/v1",
})

调用embeddings接口，并输出响应结果

const response = await client.embeddings.create({
    model: 'text-embedding-ada-002',
    input: '如何创建vue组件'
})
console.log(response.data[0].embedding)

向量化结果，接口调用成功

正式使用接口

首先我们将上述创建的 OpenAI 实例对象封装到一个新的app.service.mjs文件中并且抛出，方便后续直接引入。

创建create-embedding.mjs文件，在里面我们开始通过调用embeddings接口，将我们的数据将进行模块化的向量化输出，并存入一个新的文件中保存起来，以便后续的相似度计算。

// 先把所有的内容计算向量
// 更年轻化的fs模块
import fs from 'fs/promises';
// openai 实例 openai 封装
import {client} from './app.service.mjs';
// 源数据，麻烦
const inputFilePath = './data/posts.json';
// 整整 多一个 1536维的向量数字
const outputFilePath = './data/posts_with_embeddings.json';
// promisify
const data = await fs.readFile(inputFilePath, 'utf8');
const posts = JSON.parse(data);
// 新数组
const postsWidthEmbeddings = [];

for (const {title, category} of posts) {
    const response = await client.embeddings.create({
        model: 'text-embedding-ada-002',
        input: `标题：${title}  分类：${category}`,
    });
    postsWidthEmbeddings.push({
        title,
        category,
        embedding: response.data[0].embedding,
    });
}

await fs.writeFile(outputFilePath, JSON.stringify(postsWidthEmbeddings));

fs/promises：Node.js 的文件系统模块，以 Promise 的方式使用文件操作方法（如读取和写入文件）。
client：从 app.service.mjs 导入的 OpenAI 客户端实例，用于调用 OpenAI 的 API。
inputFilePath：这是我们准备好的数据文件的路径，包含需要进行向量计算的内容。
outputFilePath：输出文件的路径，将计算得到的向量保存到该文件中。
fs.readFile：读取数据文件，并以 UTF-8 编码格式解析成字符串。
JSON.parse：将读取到的 JSON 字符串解析成 JavaScript 对象。
postsWidthEmbeddings：用于存储包含向量的内容数据的数组。

for (const {title, category} of posts) {
    const response = await client.embeddings.create({
        model: 'text-embedding-ada-002',
        input: `标题：${title}  分类：${category}`,
    });
    postsWidthEmbeddings.push({
        title,
        category,
        embedding: response.data[0].embedding,
    });
}
await fs.writeFile(outputFilePath, JSON.stringify(postsWidthEmbeddings));

for (const {title, category} of posts)：遍历每个帖子，解构出 title 和 category。
client.embeddings.create：调用 OpenAI 的 Embeddings 接口，将标题和分类作为输入，生成对应的向量。
postsWidthEmbeddings.push：将每个帖子的标题、分类和生成的向量存储到数组中。
fs.writeFile：最后将包含向量的内容数据数组转换成 JSON 字符串，并写入到输出文件中。

一起来看看新存入的数据文件：

可以看到新的 json 文件中每个数据都多了它自己的空间向量，通过这些步骤，代码实现了将文本内容转换为向量表示并保存的功能，为后续的相似度计算和推荐系统提供了基础数据。

计算余弦相似度

在我们完成了所有内容的向量化之后，接下来需要进行的是余弦相似度计算，以实现内容的相似性匹配和推荐。

首先还是同样导入文件系统模块和我们地OpenAI实例，同时读取我们之前生成好被用来存储数据的新json文件，并将它解析为JSON对象。

// nlp 相似性搜索
import fs from 'fs/promises';
import { client } from './app.service.mjs';

const inputFilePath = './data/posts_with_embeddings.json';
// select * 内存中
const data = await fs.readFile(inputFilePath, 'utf8');
const posts = JSON.parse(data);

接下便是计算余弦相似度，分别计算出向量点积、向量长度，根据余弦相似度计算公式计算余弦相似度。
余弦相似度的公式如下：

cosinesimilarity(v1,v2)=v1⋅v2∣∣v1∣∣×∣∣v2∣∣cosine_similarity(v1, v2) = \frac{v1 \cdot v2}{||v1|| \times ||v2||}cosinesimilarity(v1,v2)=∣∣v1∣∣×∣∣v2∣∣v1⋅v2
其中，v1⋅v2v1 \cdot v2v1⋅v2 表示向量的点积，∣∣v1∣∣||v1||∣∣v1∣∣ 和 ∣∣v2∣∣||v2||∣∣v2∣∣ 分别表示向量的长度。

// 计算向量的余弦相似度
const cosineSimilarity = (v1, v2) => {
    // 计算向量的点积
    const dotProduct = v1.reduce((acc, curr, i) => acc + curr * v2[i], 0);

    // 计算向量的长度
    const lengthV1 = Math.sqrt(v1.reduce((acc, curr) => acc + curr * curr, 0));
    const lengthV2 = Math.sqrt(v2.reduce((acc, curr) => acc + curr * curr, 0));

    // 计算余弦相似度
    const similarity = dotProduct / (lengthV1 * lengthV2);

    return similarity;
};

similarity：计算余弦相似度，值在 -1 到 1 之间，1 表示完全相似，-1 表示完全不相似
然后是记录用户输入的搜索文本，调用 OpenAI 的 Embeddings 接口，将搜索文本转换为向量表示。

// vue | 组件 | 开发  LLM 语义搜索，而不是简单的文字配
const searchText = 'vue组件开发';
const response = await client.embeddings.create({
    model: 'text-embedding-ada-002',
    input: searchText,
})
// 要推荐的原文emdedding
const { embedding } = response.data[0];

embedding：提取搜索文本的向量表示。
最后便是遍历每一份数据，计算其与搜索文本的相似度，也就是要计算要搜索的文本与每一条数据的余弦相似度，再将收集到的数据按相似度从高到低进行一个排序，这里我们支取相似度最高的前三个结果，我们给个编号，将它们的标题和分类都输出出来。

// posts每一项embedding 进行cosin 计算
const results = posts.map(item => ({
    ...item,
    similarity: cosineSimilarity(embedding, item.embedding),
}))
    .sort((a, b) => a.similarity - b.similarity)
    .reverse()
    .slice(0, 3)
    .map((item, index) => `${index + 1}. ${item.title}, ${item.category}`)
    .join('\n');

console.log(results);

sort 和 reverse：按相似度从高到低排序。
slice：取出相似度最高的前三个结果。
map 和 join：格式化输出结果，显示前三个相似度最高的帖子标题和分类。

结果展示

测试1： const searchText = 'Vue组件开发';

测试2：const searchText = 'React组件开发';

通过上述步骤，代码实现了一个简单而高效的相似性搜索功能，能够根据用户输入的搜索文本，推荐与之最相关的内容。这种基于语义的搜索比传统的关键词匹配更加智能和准确，有助于提高用户体验和内容推荐的质量。

结语

通过今天的学习，我们不仅掌握了 Embeddings 接口的使用方法，还深入理解了如何利用向量计算和余弦相似度实现内容推荐。这为我们在实际项目中应用 AI 技术提供了宝贵的经验和启示。希望在未来的学习和实践中，呆同学能够继续探索更多的 AI 应用场景，为大家带来更智能和便捷的体验。

原文链接: https://juejin.cn/post/7390682536743698466

文章收集整理于网络，请勿商用，仅供个人学习使用，如有侵权，请联系作者删除，如若转载，请注明出处：http://www.cxyroad.com/17154.html

AI 驱动的推荐系统：从 Embeddings 到相似度计算