余弦相似度 Function 使用 Numpy

Question

我已了解以下情況。

我必須編寫一個 function ，它接受一個向量 x 和一個向量列表，並在列表中使用余弦相似度找到與 x 最相似的向量的索引。

到目前為止，我已經嘗試使用以下方法，但沒有成功。 我對此很陌生，因此將不勝感激！

import numpy as np
def most_similar(x, v_list):
    dot_product = np.dot(x, v_list)
    norm_a = np.linalg.norm(x)
    norm_b = np.linalg.norm(v_list)
    return dot_product / (norm_a * norm_b)

Answer 1

將sklearn.metrics.pairwise.cosine_similarity與np.argmax一起使用可能會更有效（但我沒有進行任何基准測試），我對您的代碼進行了輕微更改：

def most_similar(x, M):
    dot_product = np.dot(x, M.T)
    norm_a = np.linalg.norm(x)
    norm_b = np.linalg.norm(M,axis=1)
    score = dot_product / (norm_a * norm_b)
    return np.argmax(score)

您可能需要遍歷一個列表，但這里的參數M是一個 numpy 數組（每一行都是您的向量， v_list的元素），您可以使用np.array(v_list)輕松獲得。