有没有一种方法可以计算一个稀疏向量和矩阵之间的相似性

Question

如何计算一个稀疏向量和一个矩阵(即稀疏向量数组)之间的相似性(例如余弦)
使用scikit learn、scipy、numpy等是否可能。？如果可能的话，相似性度量应该很容易改变。

Answer 1

如果您有兴趣计算余弦相似性，可以使用sklearn中的cosine-similarity度量功能来完成，如果输入是矩阵形式，则返回距离矩阵。

插图：

import numpy as np
from sklearn.metrics.pairwise import pairwise_distances
mat_1 = np.matrix([[1,2,3],[3,4,5]])
vec_1 = (2, 3, 5)
# Make sure the dimensions of the vector and matrix are equal
>>>print pairwise_distances(mat_1, vec_1, metric = 'cosine')
[[ 0.00282354]
[ 0.01351234]]

注意：如果您打算更改距离度量，可以在度量参数中添加适当的名称。但是，如果您的输入包含稀疏矩阵，则只能使用度量['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']，因为不支持其他度量来处理稀疏度量输入。

---

您可以进一步参考的文档：成对度量、仿射和核