本文为您介绍PAI-Designer（原PAI-Studio）提供的语义向量距离算法组件。
基于算法语义向量结果（如Word2Vec生成的词向量），计算给定的词（或者句子）的扩展词（或者扩展句），即计算其中某一向量距离最近的向量集合。其中一个用法是，基于Word2Vec生成的词向量结果，根据输入的词返回最为相似的词列表。
组件配置
您可以使用以下任意一种方式，配置语义向量距离组件参数。
方式一：可视化方式
在PAI-Designer（原PAI-Studio）工作流页面配置组件参数。
| 页签 | 参数 | 描述 |
|---|---|---|
| 字段设置 | id所在列名 | 输入其唯一标识列ID所在列名。默认为空，即输入表中的所有向量参与计算。
输入端口2的id列表格式为一列，每一行一个ID。例如：
|
| 向量的列名列表 | 如f1，f2。 | |
| 参数设置 | 输出的距离最近的向量的数目 | 默认值为5。 |
| 距离的计算方式 | 支持如下计算方式：
默认值为euclidean。 |
|
| 距离的阈值 | 当两个向量的距离小于此值时输出，默认值为+∞。 | |
| 执行调优 | 计算的核心数 | 默认自动分配。 |
| 每个核心的内存（MB） | 默认自动分配。 |
方式二：PAI命令方式
使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见SQL脚本。
PAI -name SemanticVectorDistance
-project algo_public
-DinputTableName="test_input"
-DoutputTableName="test_output"
-DidColName="word"
-DvectorColNames="f0,f1,f2,f3,f4,f5"
-Dlifecycle=30| 参数名称 | 是否必选 | 描述 | 默认值 |
|---|---|---|---|
| inputTableName | 是 | 输入表名。 | 无 |
| inputTablePartitions | 否 | 输入表中指定参与计算的分区。 | 输入表的所有分区 |
| outputTableName | 是 | 输出表名。 | 无 |
| idTableName | 否 | 需要计算相近向量的ID的列表所在表名。格式为一列，每一行一个ID。默认为空，即输入表中的所有向量参与计算。 | 无 |
| idTablePartitions | 否 | ID表中参与计算的分区列表，默认为所有分区。 | 无 |
| idColName | 是 | ID所在列名。 | 3 |
| vectorColNames | 否 | 向量的列名列表，如f1，f2。 | 无 |
| topN | 否 | 输出的距离最近的向量的数目。取值范围[1,+∞]。 | 5 |
| distanceType | 否 | 距离的计算方式。 | euclidean |
| distanceThreshold | 否 | 距离的阈值。当两个向量的距离小于此值时输出。取值范围（0,+∞）。 | +∞ |
| lifecycle | 否 | 输入出表的生命周期，取值为正整数。 | 无 |
| coreNum | 否 | 参与计算的核心数，取值为正整数。 | 系统自动计算 |
| memSizePerCore | 否 | 每个核心需要的内存，取值为正整数。 | 系统自动计算 |
示例
输出表为四列，分别是original_id、near_id、distance、rank。
| original_id | near_id | distance | rank |
|---|---|---|---|
| hello | hi | 0.2 | 1 |
| hello | xxx | xx | 2 |
| Man | Woman | 0.3 | 1 |
| Man | xx | xx | 2 |