稀疏矩阵的cos相似度

每行是一个向量，计算之后对角线为1，其余为与其他向量的相似度：

def csr_cosine_similarity(input_csr_matrix):
    similarity = input_csr_matrix * input_csr_matrix.T
    square_mag = similarity.diagonal()
    inv_square_mag = 1 / square_mag
    inv_square_mag[np.isinf(inv_square_mag)] = 0
    inv_mag = np.sqrt(inv_square_mag)
    return similarity.multiply(inv_mag).T.multiply(inv_mag)

例子：

test = np.random.random_integers(0,1,(3,3))
test
array([[1, 1, 0],
       [0, 0, 1],
       [0, 1, 0]])
test = sp.csc_matrix(test)
similarity = test * test.T
similarity.todense()

matrix([[2, 0, 1],
        [0, 1, 0],
        [1, 0, 1]], dtype=int32)


np.sqrt(1 / similarity.diagonal())
array([0.70710678, 1.        , 1.        ])

similarity.multiply(np.sqrt(1 / similarity.diagonal())).todense()
matrix([[1.41421356, 0.        , 1.        ],
        [0.        , 1.        , 0.        ],
        [0.70710678, 0.        , 1.        ]])

稀疏矩阵的multiply 方法乘以向量，等价于每行点乘这个向量。
乘以矩阵，等价于点乘。
使用dot方法乘以矩阵才是矩阵乘法。