使用Numpy的余弦相似函数

Question

我已经了解了以下内容。

我必须写一个函数，它取一个向量x和一个向量列表，在列表中，使用余弦相似度与x最相似的向量的索引。

到目前为止，我尝试过使用以下内容，但没有成功。我对这件事很陌生，所以希望能提供帮助和解释！！

import numpy as np
def most_similar(x, v_list):
dot_product = np.dot(x, v_list)
norm_a = np.linalg.norm(x)
norm_b = np.linalg.norm(v_list)
return dot_product / (norm_a * norm_b)

Answer 1

将sklearn.metrics.pairwise.cosine_similarity与np.argmax一起使用可能会更高效(但我没有进行任何基准测试(，我对您的代码进行了一个细微的更改：

def most_similar(x, M):
dot_product = np.dot(x, M.T)
norm_a = np.linalg.norm(x)
norm_b = np.linalg.norm(M,axis=1)
score = dot_product / (norm_a * norm_b)
return np.argmax(score)

您可能需要对列表进行迭代，但这里的参数M是一个numpy数组(每一行都是您的向量，v_list的元素(，使用np.array(v_list)可以很容易地获得它。