写一段余弦相似度的算法

余弦相似度是一种用于计算两个向量之间相似度的方法，可以用于文本相似度、图像相似度等问题。其计算公式如下：

cosine_similarity = (A·B) / (||A|| ||B||)

其中，A和B是需要比较的两个向量，·表示向量的点积运算，||A||和||B||表示A和B的模长。

下面是一个简单的 Python 代码实现：

import numpy as np

def cosine_similarity(A, B):
    """计算余弦相似度"""
    dot_product = np.dot(A, B)  # 计算向量点积
    norm_A = np.linalg.norm(A)  # 计算向量A的模长
    norm_B = np.linalg.norm(B)  # 计算向量B的模长
    cosine_similarity = dot_product / (norm_A * norm_B)  # 计算余弦相似度
    return cosine_similarity

其中，np.dot()函数用于计算向量点积，np.linalg.norm()函数用于计算向量的模长。