python计算向量相似度

要计算两个向量的相似度，可以使用余弦相似度（Cosine Similarity）方法。假设有两个向量 A 和 B，它们的余弦相似度可以通过以下公式计算：

similarity = dot(A, B) / (norm(A) * norm(B))

其中 `dot(A, B)` 表示向量 A 和 B 的点积，`norm(A)` 和 `norm(B)` 表示向量 A 和 B 的范数（模长）。

在 Python 中，可以使用 NumPy 库来实现这个计算。下面是一个示例：

import numpy as np

def cosine_similarity(A, B):
    dot_product = np.dot(A, B)
    norm_A = np.linalg.norm(A)
    norm_B = np.linalg.norm(B)
    similarity = dot_product / (norm_A * norm_B)
    return similarity

# 示例向量
vector1 = np.array([1, 2, 3])
vector2 = np.array([4, 5, 6])

# 计算相似度
similarity = cosine_similarity(vector1, vector2)
print(similarity)

这段代码会输出向量 `vector1` 和 `vector2` 的余弦相似度。请注意，在使用前需要确保已经安装了 NumPy 库。