在计算向量相似度时，归一化是一把双刃剑。本文通过文档去重和推荐系统等实战案例，清晰阐释了其核心影响：归一化通过消除模长（如文本长度、用户活跃度）影响，专注于衡量分布形态的相似性。反之，当模长本身蕴含关键信息（如绝对评分、经济总量）时，归一化反而会扭曲结果。文章提供了明确的决策指南：若模长差异是噪声则归一化，若是信息则保留，助您在相似度计算中做出准确选择。