Python 如何使用这些值迭代字典键来计算余弦相似性？

我有一本这样的字典：

dict = {in : [0.01, -0.07, 0.09, -0.02], and : [0.2, 0.3, 0.5, 0.6], to : [0.87, 0.98, 0.54, 0.4]}

我想计算每个单词之间的余弦相似度，我已经为它们编写了一个函数，它包含两个向量。首先，它将为'in'和'and'取值，然后它应该为'in'和'to'取值，依此类推

我希望它将结果存储在另一个字典中，其中“in”应该是键，值应该是计算余弦相似性后返回的值。同样地，我也需要字典来查找其他单词

这是我计算余弦相似性的函数：

import math
def cosine_similarity(vec1,vec2):
    sum11, sum12, sum22 = 0, 0, 0
    for i in range(len(vec1)):
        x = vec1[i]; y = vec2[i]
        sum11 += x*x
        sum22 += y*y
        sum12 += x*y
    return sum12/math.sqrt(sum11*sum22)

vec1和vec2可以是两个类似的列表：

[0.01，-0.07,0.09，-0.02]

和

[0.2,0.3,0.5,0.6]

，它返回的结果类似于：

0.14

如何以这种方式计算每个键的值，并以这种方式将结果存储在字典中

{in : {and : 0.4321, to : 0.218}, and : {in : 0.1245, to : 0.9876}, to : { in : 0.8764, and : 0.123}}

输出：

{'in': {'and': 0.14007005254378826, 'to': -0.11279001655020567}, 'and': {'in': 0.14007005254378826, 'to': 0.7719749900051109}, 'to': {'in': -0.11279001655020567, 'and': 0.7719749900051109}}

---

首先，您可以从字典中计算一个列表，然后使用该列表进行计算&计算后，您可以将结果分配到该字典中，如

import math
def cosine_similarity(vec1,vec2):
sum11, sum12, sum22 = 0, 0, 0
for i in range(len(vec1)):
    x = vec1[i]; y = vec2[i]
    sum11 += x*x
    sum22 += y*y
    sum12 += x*y
return sum12/math.sqrt(sum11*sum22)

dictio = {"in" : [0.01, -0.07, 0.09, -0.02], "and" : [0.2, 0.3, 0.5, 0.6], "to" : [0.87, 0.98,     0.54, 0.4]}

L = []
A = []
B = []

for i in dictio:
    L.append(dictio[i])

for i in range(len(L)):
    for j in range(len(L)):
        if ( i != j):
            B.append(cosine_similarity(L[i],L[j]))
    A.append(B)
    B=[]

c=0
for i in dictio:
    dictio[i]= A[c]
    c = c + 1

---

要将这三个结果存储在同一个词典中，还是不同的词典中？另外，列表的顺序是否重要（是否可能是

[0.218，0.4321]

）？您确定您的计算结果吗？给定向量的余弦sim应为

0.14

@ajcr:我想将三个结果存储到同一个字典中，顺序无关紧要。@axiom:这只是一个示例，不是实际结果。是否可以将结果作为字典返回？我编辑了我的问题来说明我的意思。@marthapeares是的，这是可能的。我的问题是每个答案应该只包含两个元素，对吗？字典可以有任意数量的元素，我只是举个例子。通常，内部字典应该是一个字典，其值不是特定键。比如，如果key是and，那么在内部字典中，它应该是：{in:0.34，to:0.5}，如下所示。

import math
def cosine_similarity(vec1,vec2):
sum11, sum12, sum22 = 0, 0, 0
for i in range(len(vec1)):
    x = vec1[i]; y = vec2[i]
    sum11 += x*x
    sum22 += y*y
    sum12 += x*y
return sum12/math.sqrt(sum11*sum22)

dictio = {"in" : [0.01, -0.07, 0.09, -0.02], "and" : [0.2, 0.3, 0.5, 0.6], "to" : [0.87, 0.98,     0.54, 0.4]}

L = []
A = []
B = []

for i in dictio:
    L.append(dictio[i])

for i in range(len(L)):
    for j in range(len(L)):
        if ( i != j):
            B.append(cosine_similarity(L[i],L[j]))
    A.append(B)
    B=[]

c=0
for i in dictio:
    dictio[i]= A[c]
    c = c + 1