矩阵 余弦相似度 python

矩阵余弦相似度是一种衡量两个矩阵之间相似度的方法，它通过计算两个矩阵的夹角余弦值来衡量它们的相似程度。在Python中，我们可以使用NumPy库来计算矩阵的余弦相似度。

首先，我们需要安装NumPy库，可以使用以下命令进行安装：

pip install numpy

接下来，我们可以使用以下代码计算两个矩阵的余弦相似度：

import numpy as np

def cosine_similarity(matrix1, matrix2):
    # 计算两个矩阵的点积
    dot_product = np.dot(matrix1, matrix2.T)
    
    # 计算两个矩阵的范数
    norm_matrix1 = np.linalg.norm(matrix1, axis=1)
    norm_matrix2 = np.linalg.norm(matrix2, axis=1)
    
    # 计算余弦相似度
    cosine_similarity = dot_product / (norm_matrix1[:, None] * norm_matrix2)
    
    return cosine_similarity

# 示例矩阵
matrix1 = np.array([[1, 2, 3], [4, 5, 6]])
matrix2 = np.array([[1, 4, 7], [2, 5, 8]])

# 计算余弦相似度
result = cosine_similarity(matrix1, matrix2)
print(result)

这段代码定义了一个名为`cosine_similarity`的函数，它接受两个矩阵作为输入，并返回它们之间的余弦相似度。在这个例子中，我们使用了两个示例矩阵`matrix1`和`matrix2`，并计算了它们之间的余弦相似度。