5. 실습 ② — 유사도 직접 재보기

import numpy as np
from langchain_openai import OpenAIEmbeddings
from dotenv import load_dotenv
load_dotenv()
emb = OpenAIEmbeddings(model="text-embedding-3-small")
def sim(a: str, b: str) -> float:
    # 두 문장을 좌표(벡터)로 바꾼다
    v1 = np.array(emb.embed_query(a))
    v2 = np.array(emb.embed_query(b))
    # 코사인 유사도 = 내적 ÷ (길이 × 길이)
    dot_product = np.dot(v1, v2)
    length1 = np.linalg.norm(v1)
    length2 = np.linalg.norm(v2)
    return float(dot_product / (length1 * length2))
PAIRS = [
    ("환불 규정",       "반품 절차"),        # 뜻은 같고 글자는 다름
    ("비밀번호 변경",   "패스워드 재설정"),  # 완전한 동의어
    ("제품이 고장났어요", "기기 불량 신고"),  # 표현이 다름
    ("환불 규정",       "배송 안내"),        # 약하게 관련
    ("환불 규정",       "오늘 점심 메뉴"),   # 완전 무관
]
for a, b in PAIRS:
    print(f"{sim(a, b):.3f}   {a:<18} ↔ {b}")

# ============================================================
# 9차시 | PPT: 09차시_임베딩이해.pptx
# 역할: 두 문장의 embedding이 얼마나 같은 방향인지 코사인 유사도로 계산
# 입력: PAIRS에 있는 문장 쌍 5개
# 출력: 각 쌍의 유사도 (소수 4자리)
# 흐름:
#   문장 둘 -> embed_query -> vector
#     -> 내적 / (길이1 * 길이2) -> print
# ============================================================
# embedding: 문장을 숫자 목록으로 바꾼 값
# vector: 그 숫자 목록. 방향이 비슷할수록 아래 유사도가 1에 가깝습니다.

from dotenv import load_dotenv
from langchain_openai import OpenAIEmbeddings
# numpy는 숫자 목록끼리의 계산(내적, 길이)을 한 줄로 해 줍니다.
import numpy as np

load_dotenv()
emb = OpenAIEmbeddings(model="text-embedding-3-small")

def sim(sentence1, sentence2):
    # 각 문장을 벡터로 바꿉니다. 호출마다 네트워크 요청이 납니다.
    vector1 = emb.embed_query(sentence1)
    vector2 = emb.embed_query(sentence2)

    # 파이썬 리스트를 numpy 배열로 바꿔야 np.dot 같은 계산을 쓸 수 있습니다.
    vector1 = np.array(vector1)
    vector2 = np.array(vector2)

    # 코사인 유사도: 1에 가까울수록 방향이 비슷합니다.
    dot_product = np.dot(vector1, vector2)
    length1 = np.linalg.norm(vector1)
    length2 = np.linalg.norm(vector2)
    similarity = dot_product / (length1 * length2)
    # numpy 숫자를 보통 파이썬 float로 바꿔 돌려줍니다.
    return float(similarity)

# 위의 세 쌍은 글자가 거의 안 겹치지만 뜻이 같고, 아래 두 쌍은 뜻이 멀어집니다.
PAIRS = [
    ("환불 규정", "반품 절차"),
    ("비밀번호 변경", "패스워드 재설정"),
    ("제품이 고장났어요", "기기 불량 신고"),
    ("환불 규정", "배송 안내"),
    ("환불 규정", "오늘 점심 메뉴"),
]

# 튜플 하나를 두 변수로 나눠 받습니다. 쌍마다 embed_query가 두 번 불립니다.
for sentence1, sentence2 in PAIRS:
    score = sim(sentence1, sentence2)
    print(f"'{sentence1}'와 '{sentence2}'의 유사도: {score:.4f}")