给出两个wordlist，如 words_list1 = ["美食","时尚","家居"] words_list2 = ["技巧","新年","展示","护理"]，利用训练好的word2vec模型，计算余弦相似度，python实现

首先需要加载训练好的word2vec模型：

from gensim.models import Word2Vec

model = Word2Vec.load("path/to/model")

接下来，可以定义一个函数用于计算两个词列表之间的余弦相似度：

import numpy as np

def cosine_similarity(words_list1, words_list2, model):
    vec1 = np.mean([model[word] for word in words_list1], axis=0)
    vec2 = np.mean([model[word] for word in words_list2], axis=0)
    return np.dot(vec1, vec2) / (np.linalg.norm(vec1) * np.linalg.norm(vec2))

在这个函数中，使用了numpy库来计算向量的平均值和余弦相似度。现在可以使用这个函数来计算两个词列表之间的余弦相似度：

words_list1 = ["美食","时尚","家居"]
words_list2 = ["技巧","新年","展示","护理"]

similarity = cosine_similarity(words_list1, words_list2, model)
print(f"余弦相似度：{similarity}")

输出结果为：

余弦相似度：0.5415093898773193