Python计算向量余弦相似度：从公式到实现

计算向量余弦相似度是自然语言处理中常用的方法之一，它可以在多个任务中发挥重要作用，例如文本分类、信息检索等。在Python中，我们可以使用简单的代码来计算向量余弦相似度，本文将为您展示如何实现这个过程。

余弦相似度的定义

首先，让我们来看看余弦相似度的定义公式：

c o s ( θ ) = A ⋅ B ∣ ∣ A ∣ ∣ ∣ ∣ B ∣ ∣ cos(\theta) = \frac{A \cdot B}{||A|| ||B||}cos(θ)=∣∣A∣∣∣∣B∣∣A⋅B​

其中 A AA 和 B BB 是两个向量，θ \thetaθ 是它们之间的夹角，∣ ∣ A ∣ ∣ ||A||∣∣A∣∣ 和 ∣ ∣ B ∣ ∣ ||B||∣∣B∣∣ 分别是 A AA 和 B BB 的模长。余弦相似度的值介于 [ − 1 , 1 ] [-1,1][−1,1] 之间，当两个向量越相似时，它们的余弦相似度越接近于 1 11。当两个向量完全相同时，它们的余弦相似度等于 1 11；当两个向量完全不同时，它们的余弦相似度等于 − 1 -1−1。