Similitud del coseno
La similitud del coseno (cosine similarity) mide cuánto se parecen dos vectores según el ángulo que forman. Va de -1 a 1, ignora la longitud de los vectores y es la forma más habitual de comparar embeddings en búsqueda.
También llamado: cosine distance
Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas
Cuando dos embeddings apuntan en la misma dirección, su similitud del coseno es 1. Cuando forman un ángulo recto es 0, y cuando apuntan en direcciones opuestas es -1. Como solo cuenta la dirección, un documento largo y uno corto sobre el mismo tema pueden salir igualmente cercanos.
(No hay que confundirlo con Cosine, una herramienta de programación con IA que comparte el nombre.)
Cómo se calcula
Se toma el producto escalar de los dos vectores y se divide por el producto de sus longitudes. Si ambos vectores ya están normalizados a longitud 1, la similitud del coseno es igual al producto escalar sin más, que es más barato de calcular. Muchos modelos de embeddings devuelven vectores normalizados por este motivo.
Distancia del coseno
Algunas bases de datos vectoriales piden una distancia en lugar de una similitud. La distancia del coseno suele ser 1 menos la similitud del coseno, así que cuanto menor, más cerca.
Elegir una métrica
Usa la métrica para la que se entrenó el modelo de embeddings, que su documentación indica. Con vectores normalizados, el coseno, el producto escalar y la distancia euclídea dan el mismo orden, así que la elección importa menos de lo que se cree. Con vectores sin normalizar pueden diferir.
Límites
Una puntuación alta no equivale a un porcentaje fijo de relevancia. Los rangos de puntuación varían entre modelos, así que un umbral que funciona con un modelo puede fallar con otro. Fija los umbrales a partir de pruebas con tus propios datos, o deja que decida un reranker.
Términos relacionados
- Embedding
- Un embedding (vector de representación) es una lista de números (un vector) que representa un fragmento de texto, una imagen u otros datos, generada de forma que los elementos con significado parecido acaban con vectores cercanos entre sí.
- Búsqueda vectorial
- La búsqueda vectorial (vector search) encuentra elementos comparando sus embeddings con el embedding de una consulta y devolviendo los más cercanos, de modo que los resultados coinciden por significado y no por palabras clave compartidas.
- Base de datos vectorial
- Una base de datos vectorial (vector database) guarda embeddings junto a sus registros de origen y encuentra los vectores guardados más cercanos a un vector de consulta, normalmente con un índice aproximado para que la búsqueda siga siendo rápida con millones de elementos.
- Dimensión del embedding
- La dimensión del embedding (embedding dimension) es el número de valores de cada vector que produce un modelo de embeddings. Más dimensiones pueden contener más detalle, pero cada valor extra añade coste de almacenamiento, memoria y búsqueda por elemento.
- Reranking
- El reranking (reordenación) es un segundo paso de búsqueda que toma una lista corta de documentos candidatos y los reordena según su relevancia para la consulta, usando un modelo más preciso pero más lento que el de la primera búsqueda.