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度？

Question

如何计算一个稀疏向量和一个矩阵（一个稀疏向量的数组）之间的（例如，余弦）相似度？
是否可以使用scikit-learn，scipy，numpy等？ 如果可能的话，相似度指标应易于更改。

Answer 1

如果您对计算余弦相似度感兴趣，可以使用sklearn中存在的cosine-similarity度量功能来完成，如果输入为矩阵形式，则该函数会返回距离矩阵。

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标准，可以通过在度量标准参数上放置适当的名称来实现。 但是，如果您的输入包含稀疏矩阵，则只能使用指标- ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']因为不支持其他指标来处理稀疏指标输入。

---

您可以进一步参考的文档： 成对度量，亲和力和内核