python中计算稀疏张量余弦相似性的有效方法？

我有一个单位张量列表（长度=1）。这个列表包含大约20000个这样的张量。张量有大约3000维，但非常稀疏。只有x（0维度是而不是0。我需要计算所有这些张量之间的余弦相似性。最有效的方法是什么？（这不是NLP任务，但我的解决方案看起来类似于word2Vect方法，这就是我添加NLP标记的原因。我的张量比word2vec维度更多，而且更稀疏）

有关sklearn cosine_相似性函数，请参阅下面的站点 用python SciKit Learn是您的朋友：

从scipy导入稀疏
从sklearn.metrics.pairwise导入余弦_相似性
#示例测试：
T=sparse.rand（4,3,0.9）
余弦相似性（T）
#全行程（如所述的张量）：
T=sparse.rand（20000，3000）
%时间余弦_相似性（T）

在我的机器上大约需要4.4秒

# staying sparse:
%time cosine_similarity(T, dense_output=False)

---

在我的机器上运行不到2秒（即大约2倍的加速）。

谢谢。如何将其用于稀疏数组？找不到示例。矢量1和矢量2是什么？如果只是numpy数组，那么这在计算上是无效的。您描述的整数范围（$0from sklearn.metrics.pairwise import cosine_similarity cos_sim = cosine_similarity(vector1,vector2)

# staying sparse:
%time cosine_similarity(T, dense_output=False)