可以使用矩阵运算来计算图中节点特征之间的相似度。具体步骤如下:
将图中每个节点的特征向量存储在矩阵中。
计算矩阵中每个向量与其他向量的余弦相似度。
将相似度结果存储在矩阵或数组中,以便于后续使用。
这可以通过使用NumPy和SciPy等Python库来实现。
示例代码:
import numpy asnp
from scipy.spatial.distance import cosine
# 定义特征矩阵
features = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5]])
# 计算相似度矩阵
similarities = np</