如何使用gensim计算两个向量之间的相似度

使用gensim计算两个向量之间的相似度可以使用其中的`cosine_similarities`函数，该函数可以计算一个参考向量与多个目标向量之间的余弦相似度。

具体步骤如下：

1. 导入gensim库并加载词向量模型。

   from gensim.models import KeyedVectors
   # 加载词向量模型
   wv_model = KeyedVectors.load_word2vec_format('model.bin', binary=True)

2. 获取两个向量，并将它们转化为numpy数组类型。

   import numpy as np
   # 获取两个向量
   vec1 = wv_model['apple']
   vec2 = wv_model['banana']
   # 将向量转化为numpy数组类型
   vec1 = np.array(vec1)
   vec2 = np.array(vec2)

3. 调用`cosine_similarities`函数计算相似度。

   from gensim.matutils import cosine_similarities
   # 计算相似度
   similarity = cosine_similarities(vec1.reshape(1,-1), [vec2])[0]
   print(similarity)

在上述代码中，`cosine_similarities`函数的第一个参数为参考向量，需要将其转化为二维数组，第二个参数为目标向量列表，返回值为一个一维数组，表示参考向量与每个目标向量之间的相似度。

需要注意的是，使用gensim计算向量相似度时需要使用gensim中加载的词向量模型，不能使用其他库中的词向量模型。