NLP中两个词向量间余弦相似度的求解方式

根据ChatGPT生成的答案改的。记在这里。

# 1.通过numpy库计算余弦相似度:
import numpy as np
def cosine_similarity(vector1, vector2):
    dot_product = np.dot(vector1, vector2)
    norm1 = np.linalg.norm(vector1)
    norm2 = np.linalg.norm(vector2)
    similarity = dot_product / (norm1 * norm2)
    return similarity


# 2.使用scipy库中的cosine函数计算余弦相似度:
from scipy.spatial.distance import cosine
def cosine_similarity(vector1, vector2):
    similarity = 1 - cosine(vector1, vector2)
    return similarity


# 3.使用gensim库中的similarity函数计算余弦相似度:
from gensim.models import KeyedVectors
def cosine_similarity(word_vectors, word1, word2):
    similarity = word_vectors.similarity(word1,word2)
    return similarity
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值