计算矩阵间余弦相似度，无循环

矩阵v1：，可看作n个k维行向量

矩阵v2：，可看作m个k维列向量

计算v1的行向量和v2列向量的余弦相似度，无循环

根据余弦相似度公式，向量点乘除以模的乘积，拓展到矩阵间运算大致分为三步：

1. 矩阵点乘，得到矩阵m：

2. v1行方向求模得到m1：，v2列方向求模得到m2：，m1与m2点乘得到矩阵denom：

3.  矩阵m/demom，对应位置除运算

如此即可矩阵运算得到行列向量间的余弦相似度，python代码如下：

def matrix_cos_similar(v1, v2):
    # v1.shape = (n,k), v2.shape = (m,k)
    v2 = np.array(v2).T
    #step1：矩阵点乘
    dot_matrix = np.dot(v1, v2) 
    #step2：v1行方向求模，v2列方向求模，结果点乘
    v1_row_norm = np.linalg.norm(v1, axis=1).reshape(-1,1)
    v2_col_norm = np.linalg.norm(v2,axis=0).reshape(1,-1)
  #  print(v1_row_norm.shape)
    norm_matrix = np.dot(v1_row_norm, v2_col_norm)
    #step3：对应位置做除法运算，相当于向量乘积/模的乘积
    res = dot_matrix / norm_matrix
    res[np.isneginf(res)] = 0
    return res