word2vec计算wordlist相似度原理

在word2vec中，每个单词都被表示为一个向量，这些向量是通过对大型语料库进行训练而获得的。这些向量被设计为具有语义意义，因此可以使用它们来计算不同单词之间的相似度。

要计算两个单词之间的相似度，可以使用余弦相似度公式，该公式将两个向量之间的角度转换为0到1之间的值。具体而言，给定两个向量a和b，它们之间的余弦相似度可以计算为：

cosine_similarity(a, b) = (a·b) / (||a|| * ||b||)

其中，a·b表示向量a和向量b之间的点积，||a||和||b||分别表示向量a和向量b的范数。

在计算wordlist中所有单词之间的相似度时，可以将每个单词的向量与其他单词的向量进行比较，并计算它们之间的余弦相似度。然后可以将这些相似度存储在一个矩阵中，其中矩阵的(i, j)项表示第i个单词和第j个单词之间的相似度。基于这个矩阵，可以使用不同的方法来计算相似度排名、聚类等。