在Python中计算余弦相似度

在信息检索、自然语言处理、推荐系统等领域，余弦相似度是一种常见的计算相似度的方法。它可以用来衡量两个向量之间的相似程度，其值在[-1,1]范围内，取值越大表示越相似，取值越小表示越不相似，0表示不相关。

在Python中，我们可以使用Scipy库中的cosine_similarity函数来计算余弦相似度。

函数原型

cosine_similarity(X, Y=None, dense_output=True)

• X : {array-like, sparse matrix}，形状为(n_samples_X, n_features)的数组或CSR矩阵。X和Y至少有一个不为空。

• Y : {array-like, sparse matrix}，形状为(n_samples_Y, n_features)的数组或CSR矩阵。如果为空，则将其设置为X。

• dense_output : bool，可选。默认为True。如果为False，则返回稀疏矩阵。

例子

现在我们来看一个例子，计算两个向量的余弦相似度。

from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# 定义两个向量
x = np.array([1, 2, 3])
y = np.array([2, 4, 6])

# 计算余弦相似度
cos_sim = cosine_similarity(x.reshape(1,-1), y.reshape(1,-1))

# 打印结果
print(cos_sim)

输出结果：

[[1.]]

注意，需要将两个向量转换为矩阵形式，否则会出现维度错误，无法计算余弦相似度。

总结

Python的Scipy库提供了方便的余弦相似度计算函数，可以用来衡量两个向量之间的相似程度，适用于各种机器学习、自然语言处理、信息检索等领域的应用场景。