如何計算矩陣的第一行與R中的每一行之間的余弦相似度？

Question

這是my_matrix：

ui 194635691 194153563 177382028 177382031 195129144 196972549 196258704   194907960 196950156 194139014 153444738 192982501 192891196
1 237      0.00      0.00      0.00      0.00      0.00      0.00         0      0.01         0         0         0         0         0
2 261      0.01      0.00      0.00      0.00      0.00      0.00         0      0.00         0         0         0         0         0
3 290      0.00      0.00      0.01      0.01      0.00      0.00         0      0.00         0         0         0         0         0
4 483      0.00      0.00      0.00      0.00      0.00      0.01         0      0.00         0         0         0         0         0
5 533      0.00      0.01      0.00      0.00      0.00      0.00         0      0.00         0         0         0         0         0
6 534      0.00      0.00      0.00      0.00      0.01      0.00         0      0.00         0         0         0         0         0

這些是我的代碼如下：

b=my_matrix[1,2:length(my_matrix)]

for (i in nrow(my_matrix)) {
 res[i]=cosine(b,my_matrix[i,2:length(my_matrix)])
}

我使用“lsa”包，我想獲得一個余弦相似度矩陣，用矩陣a中的每個其他向量計算b向量，但是我的代碼會拋出一個錯誤，表示：

argument mismatch. Either one matrix or two vectors needed as input.

我該怎么做才能解決我的問題？ 提前謝謝了

Answer 1

包“isa”，不適用於R版本3.2.2，不是必需的。 只是自己動手，使用余弦相似度的定義 ：

my_matrix <- as.matrix(my_matrix)  # Make sure that "my_matrix" is indeed a "matrix".
v <- as.vector(my_matrix[1,-1])
M <- my_matrix[-1,-1]
cosSim <- ( M %*% v ) / sqrt( sum(v*v) * rowSums(M*M) )

僅當my_matrix不是matrix而是data.frame才需要第一行。

問題中顯示的原始錯誤消息的可能解釋：

我想問題中出現的代碼中使用的對象my_matrix的類並導致錯誤消息

論證不匹配。 需要一個矩陣或兩個向量作為輸入。

是data.frame ，而不是matrix 。 如果是這樣，則cosine函數調用中的參數b和my_matrix[i,2:length(my_matrix)]也是data.frames，而不是exspected的向量和矩陣。

作為旁白：

即使my_matrix被強制轉換為matrix ，問題中的代碼也會引發錯誤按摩，因為length(my_matrix)大於列數，因此my_matrix[i,2:length(my_matrix)]選擇未定義的列。 沒有第一列的my_matrix的第i行是my_matrix[i,2:ncol(my_matrix)]或更短的my_matrix[i,-1] 。

Answer 2

你可以試試這個：

A <- my_matrix[, -1]
b <- A[1,]
res <- apply(A[-1, ], 1, cosine, y=b)

執行此代碼時沒有錯誤：

d <- read.table(skip=1, text="ui 194635691 194153563 177382028 177382031 195129144 196972549 196258704   194907960 196950156 194139014 153444738 192982501 192891196
1 237      0.00      0.00      0.00      0.00      0.00      0.00         0      0.01         0         0         0         0         0
2 261      0.01      0.00      0.00      0.00      0.00      0.00         0      0.00         0         0         0         0         0
3 290      0.00      0.00      0.01      0.01      0.00      0.00         0      0.00         0         0         0         0         0
4 483      0.00      0.00      0.00      0.00      0.00      0.01         0      0.00         0         0         0         0         0
5 533      0.00      0.01      0.00      0.00      0.00      0.00         0      0.00         0         0         0         0         0
6 534      0.00      0.00      0.00      0.00      0.01      0.00         0      0.00         0         0         0         0         0")

my_matrix <- as.matrix(d)[,-1]  # without rownumbers.

library(lsa)
A <- my_matrix[, -1]  
b <- A[1,]
res <- apply(A[-1, ], 1, cosine, y=b)

但結果是所有值為0的向量（即第一行與其他行正交）。 這取決於您的數據，在這種情況下很容易看到。

Answer 3

lsa包中的余弦函數計算矩陣的所有列向量之間的余弦度量，因此：

cosine(t(my_matrix[,2:ncol(my_matrix)]))

將返回一個矩陣，其中第一列是my_matrix的第一個數據行（在您的示例中為b）與所有其他行之間的余弦度量向量。

如果只想要第一行的余弦相似度向量：

as.vector(cosine(t(my_matrix[,2:ncol(my_matrix)]))[,1])

該向量的第n個元素是原始矩陣的第一行和第n行之間的余弦相似度。

Answer 4

設v為1×m向量， M為 m×n矩陣

for (i in 1:dim(M)[2]){
  sim_cos_v[i] <- (v%*%as.vector(M[,i])) / (norm(as.matrix(v), "f")*norm(as.matrix(M[,i]), "f"))
}
sim_cos_v