借用这个 Quora 的答案——其中包括一些具体的例子，说明你何时可能更喜欢一种测量方法而不是另一种测量方法——归结为你是否关心考虑向量的大小。这是高度特定于领域的，但此处使用的示例是在信息检索中，其中量级表示相关文档的长度。点积将考虑文档长度，而余弦相似度则不会。

通常，您会希望有充分的理由针对您的问题空间来使用一个而不是另一个。

当我们希望集群items使用距离作为相似度度量时。例如，我们在 k-means 聚类中使用欧几里得距离（内积的平方根）作为相似性度量。平方欧几里得距离被用作 Ward 聚类方法中的相似性度量。但是，当我们想要聚类时variables，我们使用相关性（余弦）作为相似度的度量。

点积和余弦之间的关系类似于协方差和相关性之间的关系：一个是另一个的归一化和有界版本。

根据我的经验，当您还关心两个向量共有的维度数（即这些维度中具有相同符号的非零值）时，通常的点积会更好。例如，它可以是匹配标签或属性。对于通常的文本，余弦通常效果更好。