python - 如何找到一个向量与矩阵的余弦相似度

标签 python numpy cosine-similarity

我有一个形状为 (149,1001) 的 TF-IDF 矩阵。想要的是计算最后一列的余弦相似度,所有列
这是我所做的

from numpy import dot
from numpy.linalg import norm
for i in range(mat.shape[1]-1):
    cos_sim = dot(mat[:,i], mat[:,-1])/(norm(mat[:,i])*norm(mat[:,-1]))
    cos_sim
但是这个循环让它变慢了。那么,有没有什么有效的方法呢?我只想用 numpy

最佳答案

杠杆2D矢量化 matrix-multiplication
这是 NumPy 对二维数据使用矩阵乘法的一个 -

p1 = mat[:,-1].dot(mat[:,:-1])
p2 = norm(mat[:,:-1],axis=0)*norm(mat[:,-1])
out1 = p1/p2
说明: p1dot(mat[:,i], mat[:,-1]) 循环的矢量化等价物. p2(norm(mat[:,i])*norm(mat[:,-1])) .
用于验证的 sample 运行 -
In [57]: np.random.seed(0)
    ...: mat = np.random.rand(149,1001)

In [58]: out = np.empty(mat.shape[1]-1)
    ...: for i in range(mat.shape[1]-1):
    ...:     out[i] = dot(mat[:,i], mat[:,-1])/(norm(mat[:,i])*norm(mat[:,-1]))

In [59]: p1 = mat[:,-1].dot(mat[:,:-1])
    ...: p2 = norm(mat[:,:-1],axis=0)*norm(mat[:,-1])
    ...: out1 = p1/p2

In [60]: np.allclose(out, out1)
Out[60]: True
时间——
In [61]: %%timeit
    ...: out = np.empty(mat.shape[1]-1)
    ...: for i in range(mat.shape[1]-1):
    ...:     out[i] = dot(mat[:,i], mat[:,-1])/(norm(mat[:,i])*norm(mat[:,-1]))
18.5 ms ± 977 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [62]: %%timeit   
    ...: p1 = mat[:,-1].dot(mat[:,:-1])
    ...: p2 = norm(mat[:,:-1],axis=0)*norm(mat[:,-1])
    ...: out1 = p1/p2
939 µs ± 29.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# @yatu's soln
In [89]: a = mat

In [90]: %timeit cosine_similarity(a[None,:,-1] , a.T[:-1])
2.47 ms ± 461 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
进一步优化 normeinsum
或者,我们可以计算 p2np.einsum .
所以,norm(mat[:,:-1],axis=0)可以替换为:
np.sqrt(np.einsum('ij,ij->j',mat[:,:-1],mat[:,:-1]))
因此,给我们一个修改后的 p2 :
p2 = np.sqrt(np.einsum('ij,ij->j',mat[:,:-1],mat[:,:-1]))*norm(mat[:,-1])
与之前相同设置的时间 -
In [82]: %%timeit
    ...: p1 = mat[:,-1].dot(mat[:,:-1])
    ...: p2 = np.sqrt(np.einsum('ij,ij->j',mat[:,:-1],mat[:,:-1]))*norm(mat[:,-1])
    ...: out1 = p1/p2
607 µs ± 132 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
30x+ 加速超过循环!

关于python - 如何找到一个向量与矩阵的余弦相似度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63690068/

相关文章:

python - 计算数据帧每行之间的公共(public)列数以创建全对全矩阵

python - 未计算列表之间的余弦相似度

Python加速语料库文档相似度计算

Python 求和地理半径内的纬度/经度点并求和到网格

python - 基于 numpy/scipy 包的代码中的形状不一致

python - Scipy convolve2d 具有像 Theano 的 conv2d 那样的子采样功能吗?

java - 计算余弦相似度

python - 尝试在 python 中使用 twidge 更新 twitter

Python - 使用 Numpy 进行相关性测试

python - Flask 验证失败时如何覆盖 html 默认 "Please fill out this field"?