python编程实现两个embedding的余弦相似度计算并举例说明

好的，我来回答你的问题。

在 Python 中，我们可以使用 NumPy 库中的 dot 函数计算两个向量之间的点积。同时，我们也可以使用 np.linalg.norm 函数计算向量的 L2 范数。

以下是 Python 代码，实现两个 embedding 的余弦相似度计算：

import numpy as np

def cosine_similarity(embedding1, embedding2):
    dot_product = np.dot(embedding1, embedding2)
    norm1 = np.linalg.norm(embedding1)
    norm2 = np.linalg.norm(embedding2)
    return dot_product / (norm1 * norm2)

其中，`embedding1` 和 `embedding2` 都是一维数组，表示两个向量。

接下来，我们来举一个例子：

embedding1 = np.array([0.2, 0.4, 0.5, 0.1])
embedding2 = np.array([0.8, 0.1, 0.3, 0.5])
similarity = cosine_similarity(embedding1, embedding2)
print(similarity)  # 输出：0.482300550657492

以上代码中，我们分别定义了两个 embedding，长度都为 4。通过调用之前定义的 `cosine_similarity` 函数，我们计算了这两个 embedding 的余弦相似度。

输出结果为 0.4823，表示这两个 embedding 的相似度比较低。