多个向量计算余弦相似度python算法

可以使用NumPy库中的dot和norm函数来计算多个向量之间的余弦相似度。假设有n个向量，每个向量有m个维度，可以将它们表示为一个n x m的矩阵。

下面是一个示例代码：

import numpy as np

# 生成5个2维向量
vectors = np.random.rand(5, 2)

# 计算每个向量的模长
norms = np.linalg.norm(vectors, axis=1)

# 将模长转换为列向量
norms = norms.reshape((-1, 1))

# 计算每个向量与其他向量之间的余弦相似度
sims = np.dot(vectors, vectors.T) / (norms * norms.T)

print(sims)

输出结果类似于：

[[1.         0.96359253 0.92591863 0.94911747 0.93492504]
 [0.96359253 1.         0.95376749 0.98108217 0.96536189]
 [0.92591863 0.95376749 1.         0.96489926 0.97851085]
 [0.94911747 0.98108217 0.96489926 1.         0.98124003]
 [0.93492504 0.96536189 0.97851085 0.98124003 1.        ]]

其中`sims[i][j]`表示第i个向量与第j个向量之间的余弦相似度。对角线上的值为1，表示每个向量与自己之间的余弦相似度为1。