@xiaohui-wang/mcpadvisor
Version:
MCP Advisor & Installation - Find the right MCP server for your needs
73 lines (72 loc) • 2.02 kB
JavaScript
/**
* 向量工具函数
* 提供向量操作相关的工具函数
*/
/**
* 归一化向量
* 将向量转换为单位向量（长度为1）
*
* @param vector 输入向量
* @returns 归一化后的向量
*/
export function normalizeVector(vector) {
// 计算向量的欧几里得范数（L2范数）
const magnitude = Math.sqrt(vector.reduce((sum, val) => sum + val * val, 0));
// 避免除以零
if (magnitude === 0 || !isFinite(magnitude)) {
return [...vector]; // 返回原向量的副本
}
// 归一化向量
return vector.map(val => val / magnitude);
}
/**
* 计算两个向量的余弦相似度
*
* @param vectorA 第一个向量
* @param vectorB 第二个向量
* @returns 余弦相似度，范围为 [-1, 1]
*/
export function cosineSimilarity(vectorA, vectorB) {
if (vectorA.length !== vectorB.length) {
throw new Error('Vectors must have the same length');
}
// 归一化向量
const normalizedA = normalizeVector(vectorA);
const normalizedB = normalizeVector(vectorB);
// 计算点积
return normalizedA.reduce((sum, val, i) => sum + val * normalizedB[i], 0);
}
/**
* 计算两个向量的欧几里得距离
*
* @param vectorA 第一个向量
* @param vectorB 第二个向量
* @returns 欧几里得距离
*/
export function euclideanDistance(vectorA, vectorB) {
if (vectorA.length !== vectorB.length) {
throw new Error('Vectors must have the same length');
}
// 计算欧几里得距离
return Math.sqrt(vectorA.reduce((sum, val, i) => sum + Math.pow(val - vectorB[i], 2), 0));
}
/**
* 将余弦相似度转换为距离
* 距离 = 1 - 相似度
*
* @param similarity 余弦相似度
* @returns 距离值
*/
export function similarityToDistance(similarity) {
return 1 - similarity;
}
/**
* 将距离转换为相似度
* 相似度 = 1 - 距离
*
* @param distance 距离值
* @returns 相似度值
*/
export function distanceToSimilarity(distance) {
return 1 - distance;
}