1 #计算相似度
2
3 #欧式距离
4 # npvec1, npvec2 = np.array(det_a), np.array(det_b)
5 # similirity=math.sqrt(((npvec1 - npvec2) ** 2).sum())
6 # print('similirity:',similirity)
7
8 #余弦相似度
9 # def cos_sim(vector_a, vector_b):
10 # """
11 # 计算两个向量之间的余弦相似度
12 # :param vector_a: 向量 a
13 # :param vector_b: 向量 b
14 # :return: sim
15 # """
16 # vector_a = np.mat(vector_a)
17 # vector_b = np.mat(vector_b)
18 # num = float(vector_a * vector_b.T)
19 # denom = np.linalg.norm(vector_a) * np.linalg.norm(vector_b)
20 # cos = num / denom
21 # sim = 0.5 + 0.5 * cos
22 # return sim
23
24 #余弦值的范围在[-1,1]之间，值越趋近于1，代表两个向量的方向越接近；
25 ## 越趋近于-1，他们的方向越相反；接近于0，表示两个向量近乎于正交。
26 # vector_a, vector_b = np.array(det_a), np.array(det_b)
27 # similirity2=cos_sim(vector_a, vector_b)
28 # print('similirity2:',similirity2)
