類似スコアとは？

「似ている度合い」を数値で表す仕組み

服を買うときに「この2着は柄は似ているけれど、色と袖の長さが少し違うな」と比べることはありませんか？

類似スコア（Similarity Score）とは、2つのデータを比較し、「どれくらい似ているか」を数値で表した指標です。

文章・画像・商品情報など、対象となるデータや計算方法によって、スコアの意味や値の範囲は異なります。例えば、ベクトル検索ではコサイン類似度などを使って、ベクトル同士の近さを数値化します。

このようなスコアを利用すると、検索結果を「どれがより近いか」という順番に並べたり、条件に合うデータを絞り込んだりできます。

類似性を数値化する考え方は、検索や推薦など、さまざまな情報システムで利用されています。

動画・音楽のレコメンド： ユーザーの行動履歴やコンテンツの特徴などを利用して、ユーザーの好みに合いそうなコンテンツを推薦します。実際のシステムでは、単純な「類似スコア」だけでなく、さまざまな要素を組み合わせてランキングを決定する場合があります。
ECサイトの「おすすめ商品」： 商品の特徴やユーザーの閲覧・購入履歴などを利用して、関連性の高い商品を推薦します。こちらも、単純な類似度だけでランキングが決まるとは限りません。
検索エンジン・RAG（検索拡張生成）： ベクトル検索では、ユーザーの質問と文書をベクトル化し、コサイン類似度などを使って意味的に近い文書を検索できます。

AIにおける「似ている」は、何を基準に計算するかによって意味が変わります。

文字列の近さ： 文字列そのものの違いを比較します。代表例が編集距離（Edit Distance）です。「東京都」と「東東都」のように、文字の挿入・削除・置換などが少ないほど距離が小さくなります。
集合・単語の重なり： 2つの集合にどれくらい共通する要素があるかを比較する方法があります。代表例がJaccard類似度です。
意味的な近さ： 文章などをEmbeddingによってベクトル化し、ベクトル同士の近さを比較します。例えば「バックアップを取る」と「データを退避する」のように、表現が異なっていても意味的に近いと判定される場合があります。
関連性： 「似ている」こととは別に、2つのものがどれだけ関係しているかを評価する場合もあります。「ラーメン」と「レンゲ」のように、意味そのものは異なっていても、同じ場面で使われやすいものは関連性が高いと考えられます。

AIや自然言語処理（NLP）の文脈では、文章などをベクトル化し、そのベクトル間の類似性をコサイン類似度などで計算するケースがあります。

コサイン類似度： 2つのベクトルがなす角度のコサインを利用して、ベクトルの方向の近さを測る指標です。値の範囲は一般的な定義では-1〜1ですが、Embeddingの性質などによって実際の値の分布は異なります。
重要ポイント： 「類似スコア」という言葉そのものに、決まった計算式や値の範囲があるわけではありません。何を比較し、どの指標で計算したスコアなのかを確認することが重要です。
初心者の実践ステップ： 検索結果やレコメンドを見たとき、「なぜこの情報が上位に表示されたのか？」を考えてみましょう。キーワードの一致、意味的な類似、ユーザーの行動履歴など、さまざまな情報がランキングに影響している可能性があります。