Python计算余弦相似度

最新推荐文章于 2023-03-26 23:55:00 发布

隐私无忧

最新推荐文章于 2023-03-26 23:55:00 发布

阅读量1.9w

点赞数 24

CC 4.0 BY-SA版权

分类专栏： # Python数据分析文章标签： python

本文链接：https://blog.csdn.net/apr15/article/details/107891023

Python数据分析专栏收录该内容

18 篇文章

订阅专栏

本文深入探讨了余弦相似度的原理与应用，详细解释了如何通过计算向量间的夹角余弦值来衡量文本或图像的相似度，适用于文本分类、图片分类等领域。文章还提供了Python代码示例，演示了如何使用numpy库实现余弦相似度的计算。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

余弦相似度常用在文本分类、图片分类等应用中，来计算两个文本或两个图像之间的相似度。

如下图，向量 $a=[x1,y1],b=[x2,y2]\boldsymbol a=[x_1,y_1],\boldsymbol b =[x_2,y_2]$
在这里插入图片描述 $\theta = \frac {ab}{\mid a \mid \mid b \mid} = \frac {x_1x_2+y_1y_2}{\sqrt{x_1^2+y_1^2}\sqrt{x_2^2+y_2^2}}$ 对于 $n$ 维向量 $A=[a_1,a_2,...a_n],B=[b_1,b_2,...b_n]$ ，
$\frac {AB}{\mid A \mid \mid B \mid}= \frac {\sum_{i=1}^{n}{A_iB_i}}{\sqrt{\sum_{i=1}^{n}{A_i^2}}\sqrt{\sum_{i=1}^{n}{A_i^2}}}$

余弦相似度的取值范围在-1到1之间。余弦值越接近1，也就是两个向量越相似，完全相同时数值为1；相反反向时为-1；正交或不相关是为0。

求余弦相似度需要用到np.linalg.norm 操作，来求向量的范式，默认是L2范式，等同于求向量的欧式距离。

import numpy as np
t1  = np.array([-0.4,0.8,0.5,-0.2,0.3])
t2  = np.array([-0.5,0.4,-0.2,0.7,-0.1])

def cos_sim(a, b):
    a_norm = np.linalg.norm(a)
    b_norm = np.linalg.norm(b)
    cos = np.dot(a,b)/(a_norm * b_norm)
    return cos
print(cos_sim(t1,t2))