python 相似度检查

求向量余弦相似度的原理

余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。可用于图像相似度比较，及其他向量或矩阵相似比较。

内积公式

其中a b为向量：

向量公式

余弦为a b点积除以a b的模长（范数2）的乘积。

Python脚本

import numpy as np
from numpy.linalg import norm
# from sklearn.metrics.pairwise import cosine_similarity

# define two lists or array
A = np.array([2,1,2,3,2,9])
B = np.array([3,4,2,4,5,5])

# compute cosine similarity
cosine = np.dot(A,B)/(norm(A)*norm(B))
print("Cosine Similarity:", cosine)

# cosine_similarity(A.reshape(1, A.size), B.reshape(1, B.size))

引用

• Maths - Angle between vectors
• 日常学习之：如何计算两个向量或者矩阵的余弦相似度