纯业务人话：余弦相似度（完全抛开三角函数、几何知识）

先锁定场景：我们有两段文本，各自变成一长串数字（向量）。余弦相似度，就是一套统一打分规则，用来评判两句话含义像不像。

核心比喻（最好理解）

把每一段文本的向量想象成从同一个原点伸出去的一根箭头。

重点：它只关心箭头朝向，不在乎箭头长短。放到业务里翻译：只对比表达的意思方向，不在乎句子长短。短句【缺配件】和长句【车辆零部件当前库存不足】依然可以高分匹配。

句子A：汽车配件缺货句子B：零部件库存不足两根箭头方向大体一致 → 相似度 0.94

句子C：汽车配件库存充足箭头朝向反过来了 → 和A相似度极低

句子D：客户要求推迟装车箭头完全是另一个方向 → 和A分数接近0

区间：-1 ～ 1 ✅ 0.8～1.0：高度同义，可以当成同一类问题 ✅ 0.5～0.8：含义相关，业务场景有交集 ⚠️ 0～0.5：微弱相关，基本不能归为一类 ❌ ＜0：语义冲突、大概率正反意思

还有一种算法叫「欧氏距离」，它看箭头端点相隔有多远（长短+方向一起算）。余弦相似度只看方向，忽略长短。

举个业务场景体现差异：文本1：配件缺货文本2：售后汽车零部件大量库存不足，急需补货句子2更长，向量“箭头更长”。

👉 所以文本语义匹配、工单模糊检索，行业统一优先用余弦相似度。

余弦相似度是衡量两段文本语义相似程度的打分方法，只对比信息表达的核心方向，不受句子长短影响；分值越靠近1，代表业务含义越接近。

原始文字 → 转为向量（一串数字）→ 使用余弦相似度计算两组向量的方向重合度 → 得到分数 → 系统根据阈值判断：两句话是不是同一个业务问题。