5.2 词向量之间的计算(欧氏距离和余弦距离)

欧式距离:https://blog.csdn.net/liusisi_/article/details/107370747

vec1 = X[0]  # 取一个词向量
vec2 = X[1]
# 欧式距离
distance_o = 0
sum = 0
for i in range(len(vec1)):
    a = vec1[i]-vec2[i]
    pow_a = math.pow(a, 2)
    sum += pow_a
distance_o = math.sqrt(sum)
print(distance_o)

余弦距离:https://blog.csdn.net/liusisi_/article/details/107370747

# 余弦距离
sum_fz = 0
distance_cos = 0
sum_vec1 = 0
sum_vec2 = 0
sum_fm = 0
for i in range(len(vec1)):
    sum_fz += vec1[i] * vec2[i]
    sum_fm += math.sqrt(math.pow(vec1[i], 2)) + math.sqrt(math.pow(vec2[i], 2))

distance_cos = sum_fz / sum_fm
print(distance_cos)  # 余弦值
print(math.acos(distance_cos))  # 角度值

运行结果:
在这里插入图片描述

  • 1
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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