有没有办法计算一个稀疏向量和矩阵之间的相似度？

Question

如何计算一个稀疏矢量和一个矩阵（即稀疏矢量阵列）之间的（例如，余弦）相似度？
这可能使用scikit-learn，scipy，numpy等？如果可能的话，相似性度量应该很容易改变。

Answer 1

如果您有兴趣计算余弦相似度，可以使用sklearn中存在的cosine-similarity度量函数来完成，如果输入为矩阵形式，则返回距离矩阵。

插图：

import numpy as np 
from sklearn.metrics.pairwise import pairwise_distances 

mat_1 = np.matrix([[1,2,3],[3,4,5]]) 
vec_1 = (2, 3, 5) 
# Make sure the dimensions of the vector and matrix are equal 
>>>print pairwise_distances(mat_1, vec_1, metric = 'cosine') 
[[ 0.00282354] 
[ 0.01351234]] 

注：如果您打算改变距离指标，则可以通过将合适的名称来度量参数这么做。但是，如果您的输入包含稀疏矩阵，则只能使用指标 - ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']，因为其他人不支持处理稀疏度量输入。

---

文档，你可以进一步参考：Pairwise metrics, Affinities and Kernels