利用word2vec计算两个短文本的相似度

import gensim
import jieba
import numpy as np
from scipy.linalg import norm

model_file = 'C:/Users/Administrator/Desktop//word2vec/news_12g_baidubaike_20g_novel_90g_embedding_64.bin'
model = gensim.models.KeyedVectors.load_word2vec_format(model_file, binary=True)

def vector_similarity(s1, s2):
    def sentence_vector(s):
        words = jieba.lcut(s)
        v = np.zeros(64)
        for word in words:
            v += model[word]
        v /= len(words)
        return v

    v1, v2 = sentence_vector(s1), sentence_vector(s2)
    return np.dot(v1, v2) / (norm(v1) * norm(v2))

s1 = '简欧欧式沙发椅卧室咖啡厅小户型双人沙发美式复古皮艺沙发'
s2 = '布艺沙发简约小户型沙发组合可拆洗转角出租房三人客厅整装家具'
vector_similarity(s1, s2)

输出为：

0.8733292588236009

备注：利用的是现成的.bin模型文件，稍后我会把文件传上来。

遇到的问题：我在运行过程中，发现运行速度非常慢，不知道是为什么。