Python写一个计算数据集余弦相似度的计算函数

以下是Python实现的计算数据集余弦相似度的函数：

import numpy as np

def cos_sim(a, b):
    """
    计算两个向量a和b之间的余弦相似度
    """
    dot_product = np.dot(a, b)
    norm_a = np.linalg.norm(a)
    norm_b = np.linalg.norm(b)
    return dot_product / (norm_a * norm_b)

def dataset_cos_sim(data):
    """
    计算数据集中每对向量之间的余弦相似度
    """
    n = data.shape[0]
    sim_matrix = np.zeros((n, n))
    for i in range(n):
        for j in range(i+1, n):
            sim_matrix[i][j] = cos_sim(data[i], data[j])
            sim_matrix[j][i] = sim_matrix[i][j]
    return sim_matrix

函数`cos_sim`用于计算两个向量之间的余弦相似度，`dataset_cos_sim`函数则用于计算数据集中每对向量之间的余弦相似度，返回一个相似度矩阵。函数中用到了numpy库提供的向量点乘和向量范数计算函数。