一段简单实现【余弦相似度】的python代码

最新推荐文章于 2024-05-10 05:15:00 发布
最新推荐文章于 2024-05-10 05:15:00 发布
阅读量1.3w 收藏 3
点赞数
分类专栏： Python 文章标签： python 数学
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sscssz/article/details/51907121
版权 
<pre name="code" class="python">def cos(vector1,vector2):
    dot_product = 0.0
    normA = 0.0
    normB = 0.0
    for a,b in zip(vector1,vector2):
        dot_product += a*b
        normA += a**2
        normB += b**2
    if normA == 0.0 or normB==0.0:
        return None
    else:
        return dot_product / ((normA*normB)**0.5)



 

 

 


                

        

        

    




    

      

        

            

              
                
                  sscssz
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    3
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                  2
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
余弦相似度算法(python代码)

				
			

			

				

					05-08
				

			

		

		

			
				
余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值， 来评估他们的相似度。 余弦相似度将向量根据坐标值，绘制到向量空间中，如常见的二维空间。

余弦相似度衡量的是2个向量间的夹角大小，通过夹角的余弦值表示结果，因此2个向量的余弦相似度为：

计算公示：分子为向量A与向量B的点乘，父母为各自的L2相乘，即将所有维度值的平方相加后开方。

余弦相似度的取值为[-1,1]，值越大表示越相似

调整余弦相似度
余弦相似度更多的是从方向上区分差异，但是对绝对的数值是不敏感的。

余弦相似度对数值的不敏感导致了结果的误差，需要修正这种不合理性，就出现了调整余弦相似度，即所有维度上的数值都减去一个均值

			
		

	



                

              
                



	

		

			

				
					
Python文本分析 | 余弦相似度的计算

					
热门推荐

				
			

			

				

					mfsdmlove的博客
				

				

					02-04
					
					1万+
					
				

			

		

		

			
				
余弦相似性通过计算两个向量的余弦角来测量两个向量之间的相似性。

			
		

	



                


  
              

                


	

		

			

				
					
如何在Python中实现文本相似度比较？

					
最新发布

				
			

			

				

					
				

				

					05-10
					
					624
					
				

			

		

		

			
				
在Python中实现文本相似度比较可以通过多种方法，每种方法都有其适用场景和优缺点。

			
		

	





	

		

			

				
					
【转】余弦相似度及基于python的三种代码实现、与欧氏距离的区别

				
			

			

				

					mao_mao37的博客
				

				

					08-03
					
					1209
					
				

			

		

		

			
				
1.余弦相似度可用来计算两个向量的相似程度

对于如何计算两个向量的相似程度问题，可以把这它们想象成空间中的两条线段，都是从原点（[0, 0, ...]）出发，指向不同的方向。两条线段之间形成一个夹角，如果夹角为0度，意味着方向相同、线段重合；如果夹角为90度，意味着形成直角，方向完全不相似；如果夹角为180度，意味着方向正好相反。因此，我们可以通过夹角的大小，来判断向量的相似程度。夹角越小，就代表越相似。





以二维空间为例，上图的a和b是两个向量，我们要计算它们的夹角θ。余弦定理告诉我们，可以用.

			
		

	



		

			
		



	

		

			

				
					
余弦相似文本算法——python实现

				
			

			

				

					兰小莫的博客
				

				

					10-30
					
					1909
					
				

			

		

		

			
				
        在地址匹配过程中，由于不同的数据源，地理坐标存在不少差异，但我们可以通过文本相似度去比较。越相似越说明两个地址是一样的。文本相似度算法很多，作为刚入门的一员，选择从余弦先入手，余弦通过向量公式计算应该是我们中学时代最熟的一个公式之一，选择它入门相对好理解些。

        两个文本cos计算从我的算法步骤说主要有4个：1、对两个文本进行分词，分词我用jieba分词的。2、获取两...

			
		

	





	

		

			

				
					
Python---计算余弦相似度

				
			

			

				

					qq_41982466的博客
				

				

					12-12
					
					2402
					
				

			

		

		

			
				
python计算余弦相似度

			
		

	





	

		

			

				
					
python代码如何实现余弦相似性计算

				
			

			

				

					09-18
				

			

		

		

			
				
这段代码定义了三个函数：`words2vec`用于分词并提取词频向量，`cosine_similarity`用于计算余弦相似度，而`cosine`则是将两者结合的实用函数。在示例中，输入的两个字符串是"阿克苏苹果"，它们的余弦相似度应为100%...

			
		

	





	

		

			

				
					
2.9.5 余弦相似度-明鉴1

				
			

			

				

					08-03
				

			

		

		

			
				
余弦相似度是一种在数据挖掘和机器学习领域中广泛使用的度量两个非零向量之间相似性的方法。它尤其在文本分析和信息检索中扮演着重要角色，因为这些领域经常处理高维空间中的数据，例如词袋模型或TF-IDF表示的文档。...

			
		

	





	

		

			

				
					
Python 实现Jaccard相似度计算，判断英文新闻标题相似度

				
			

			

				

					12-21
				

			

		

		

			
				
在本任务中，我们主要关注如何使用Python来计算英文新闻标题的...在实际应用中，可以结合其他文本相似度计算方法，如TF-IDF、余弦相似度或者预训练的词向量模型（如Word2Vec或BERT）来提高相似度检测的准确性和鲁棒性。

			
		

	





	

		

			

				
					
cosine_similarities:根据 tfidfvectors 的余弦相似度查找相似推文

				
			

			

				

					06-14
				

			

		

		

			
				
我们将实现一个简单而有效的模型，称为向量空间模型 (VSM)。  在这个模型中，我们基本上做的是将句子（在这种情况下是推文）投影到 n 维空间中，然后查看它们之间的角度，然后我们取其余弦。 这个值称为余弦相似度，...

			
		

	





	

		

			

				
					
python170文本相似度计算系统.zip

				
			

			

				

					01-27
				

			

		

		

			
				
Python170文本相似度计算系统是一个利用Python编程语言实现的工具，用于衡量两段文本之间的相似程度。这个系统可能包含多个模块，如文本预处理、向量化表示、距离度量算法以及可视化结果等。在深入讲解之前，我们...

			
		

	





	

		

			

				
					
Python代码实现  余弦相似度（文本相似度算法）

				
			

			

				

					04-19
				

			

		

		

			
				
余弦相似度算法

			
		

	





	

		

			

				
					
Python-Python3实现的文章余弦相似度计算

				
			

			

				

					08-10
				

			

		

		

			
				
Python3 实现的文章余弦相似度计算

			
		

	





	

		

			

				
					
【AI数学】余弦相似性（含python实现）

				
			

			

				

					木盏
				

				

					12-05
					
					3623
					
				

			

		

		

			
				
Cosine Similarity，即余弦相似度，又叫余弦相似性。是一个中学数学的概念，即用两个向量之间的夹角余弦值代表这两个向量之间的相似度。Cosine Similarity虽然简单，但广泛应用在AI模型中，比如CLIP计算图像embedding和文本embedding之间的相似性等。
Python实现（Pytorch版本）
在代码实现中，通常先分别计算A⃗∣A∣\vec{A} \over{\vert{A}\vert}∣A∣A​、B⃗∣B∣\vec{B} \over{\vert{B}\vert}∣B∣B

			
		

	





	

		

			

				
					
python基础教程：python代码如何实现余弦相似性计算

				
			

			

				

					python函数基础教程
				

				

					04-11
					
					2095
					
				

			

		

		

			
				
@本文来源于公众号：csdn2299，喜欢可以关注公众号 程序员学府
这篇文章主要介绍了python代码如何实现余弦相似性计算,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
A：西米喜欢健身
B：超超不爱健身，喜欢打游戏
step1:分词
A：西米／喜欢／健身
B：超超／不／喜欢／健身，喜欢／打／游戏
step2:列出两个句子的并集
西米／喜欢／...

			
		

	





	

		

			

				
					
余弦相似度-python实现

				
			

			

				

					Fairy
				

				

					11-04
					
					1175
					
				

			

		

		

			
				
参考知乎上一二三冲鸭同学的博客，根据自己理解对他的方法再实现一遍～
"""
计算两句话的余弦相似度

源文: 使用余弦相似度算法计算文本相似度 - 一二三冲鸭的文章 - 知乎
https://zhuanlan.zhihu.com/p/43396514
"""
import math
from typing import List, Dict, AnyStr

import jieba


def separate(text_data: AnyStr) -> List:
    ret = jieba.

			
		

	





	

		

			

				
					
Python基于修正余弦相似度的电影推荐引擎

				
			

			

				

					kalakalabala的博客
				

				

					12-18
					
					3971
					
				

			

		

		

			
				
Python基于修正余弦相似度的电影推荐；MovieLens数据集；推荐引擎介绍；推荐引擎的主要方法；基于用户协同滤波的推荐；基于项目的协同滤波推荐；基于模型的协同过滤推荐；余弦相似度和修正余弦相似度的介绍与实现。...

			
		

	





	

		

			

				
					
python-余弦相似度

				
			

			

				

					u010970317的博客
				

				

					05-11
					
					1712
					
				

			

		

		

			
				
余弦相似度相关系数



import jieba
import math
import numpy as np

#——————————————————————————创建样本与分词———————————————————————————————————————
s1='本周末去钓鱼'
s1_cut=[i for i in jieba.cut(s1,cut_all=True)]
s2='下周去花卉市场买花'
s2_cut=[i for i in jieba.cut(s2,cut_all=True)]
wor

			
		

	





	

		

			

				
					
python学习笔记—余弦相似度、数据预处理

				
			

			

				

					m0_64426809的博客
				

				

					10-21
					
					1253
					
				

			

		

		

			
				
计算余弦相似度过程步骤，数据预处理：1.空值 None 和缺失值 NaN 的处理；2.重复值的处理；3.异常值的处理；4.更改数据类型

			
		

	





	

		

			

				
					
余弦相似度python

				
			

			

				

					09-14
				

			

		

		

			
				
### 回答1：
余弦相似度是一种计算向量之间相似度的方法，常用于文本相似度计算。在 Python 中，可以使用以下代码来计算两个向量的余弦相似度：

```python
import numpy as np

def cosine_similarity(a, b):
    cos_sim = np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b))
    return cos_sim
```

其中，a 和 b 是两个向量，np.dot() 函数计算两个向量的点积，np.linalg.norm() 函数计算向量的范数。返回值是 a 和 b 的余弦相似度，取值范围为 [-1, 1]。当余弦相似度为 1 时，表示两个向量完全相似；当余弦相似度为 -1 时，表示两个向量完全不相似；当余弦相似度为 0 时，表示两个向量正交，方向完全不同。  

### 回答2：
余弦相似度是一种用于比较两个向量之间的相似性的度量方法。在Python中，我们可以使用scikit-learn（sklearn）库来计算余弦相似度。

首先，我们需要导入相应的库：

```python
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np
```

然后，我们需要创建两个向量用于比较。向量可以是列表、数组等数据结构。这里我们以两个列表作为例子：

```python
vector1 = [1, 2, 3, 4, 5]
vector2 = [2, 4, 6, 8, 10]
```

接下来，我们需要将这两个向量转换为numpy数组形式，以便进行计算：

```python
vector1 = np.array(vector1).reshape(1, -1)
vector2 = np.array(vector2).reshape(1, -1)
```

然后，我们可以使用cosine_similarity函数计算余弦相似度：

```python
similarity = cosine_similarity(vector1, vector2)
```

最后，我们可以打印出计算结果：

```python
print(f"The cosine similarity between vector1 and vector2 is: {similarity[0][0]}")
```

这样就可以得到两个向量之间的余弦相似度。

总结一下，要使用Python计算余弦相似度，首先导入相应的库，创建待比较的向量，将向量转换为numpy数组形式，然后使用cosine_similarity函数计算余弦相似度，最后打印出结果即可。  

### 回答3：
余弦相似度是一种衡量两个向量之间相似性的方法，常常用于文本相似度的计算。在Python中，可以使用scikit-learn库中的cosine_similarity函数来计算余弦相似度。

首先，需要将文本数据转换为向量表示。可以使用CountVectorizer或TfidfVectorizer等向量化方法，将文本转换为稀疏矩阵。假设有两段文本A和B，使用TfidfVectorizer进行向量化。

```python
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

# 定义两段文本
text_a = "我爱中国"
text_b = "中国是一个伟大的国家"

# 创建TfidfVectorizer对象
vectorizer = TfidfVectorizer()

# 将文本向量化
vectorized_text = vectorizer.fit_transform([text_a, text_b])

# 计算余弦相似度
similarity = cosine_similarity(vectorized_text[0], vectorized_text[1])[0][0]

print(f"文本A与文本B的余弦相似度为：{similarity}")
```

上述代码中，使用TfidfVectorizer将文本向量化，并计算了文本A和文本B之间的余弦相似度。结果会打印出文本A与文本B的余弦相似度。

需要注意的是，向量化和计算余弦相似度的过程中，文本预处理（如中文分词、停用词处理等）也是非常重要的，可以使用其他的第三方库（如jieba）进行相关处理操作。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 2

	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
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
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
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