計算3D numpy數組和2D numpy數組之間的余弦相似度

Question

我有一個形狀為（m，n，300）的3D numpy數組A和一個形狀為（p，300）的2D numpy數組B。

對於3D數組中的m個（n，300）矩陣，我想用2D numpy數組計算其余弦相似度矩陣。 目前，我正在執行以下操作：

result = []
for sub_matrix in A:
    result.append(sklearn.metrics.pairwise.cosine_similarity(sub_matrix, B)

sklearn cosine_similarity函數不支持3D數組的運算，因此，有沒有一種不使用for循環的更有效的計算方法？

Answer 1

您可以重塑為2D並使用相同的功能-

from sklearn.metrics.pairwise import cosine_similarity

m,n = A.shape[:2]
out = cosine_similarity(A.reshape(m*n,-1), B).reshape(m,n,-1)

最后的整形后，輸出將為3D ，這是對result進行數組轉換后的result 。

樣品運行-

In [336]: np.random.seed(0)
     ...: A = np.random.rand(5,4,3)
     ...: B = np.random.rand(2,3)
     ...: 
     ...: result = []
     ...: for sub_matrix in A:
     ...:     result.append(cosine_similarity(sub_matrix, B))
     ...: out_org = np.array(result)
     ...: 
     ...: from sklearn.metrics.pairwise import cosine_similarity
     ...: 
     ...: m,n = A.shape[:2]
     ...: out = cosine_similarity(A.reshape(m*n,-1), B).reshape(m,n,-1)
     ...: 
     ...: print np.allclose(out_org, out)
True