Python 有效地计算余弦相似度之和

我试图有效地计算余弦相似度之和，但我目前的方法相当慢

假设我有三个向量

v_1

，

v_2

，和

v_3

。除了简单地执行以下操作之外，还有没有更有效的方法来计算余弦相似性之和：

Cos（v_1，v_2）+Cos（v_1，v_3）+Cos（v_2，v_3）

如果可能的话，我希望避免并行化

下面是我当前方法的一个粗略示例：

将numpy导入为np
def余弦sim（A、B）：
点=np.点（A，B）
norma=np.linalg.norm（A）
normb=np.linalg.norm（B）
cos=点/（正常值*正常值）
返回cos
向量=np.array([
[1,0,1,1,1,0,0,1,0,0,1,0,1],
[1,0,1,0,1,1,0,1,0,1,1,0,0],
[0,1,0,1,0,1,0,0,0,1,1,0,0]
])
_总和=0
对于范围内的i（len（向量））：
对于范围（i+1，len（向量））内的j：
_sum+=cosine_sim（向量[i]，向量[j]）
你能提供一些示例输入和预期输出以及你认为慢的源代码，以便其他人有一个性能基准的基线吗？@克里斯我增加了一个如何计算余弦相似度的例子。但我现在可以说的是，应该不惜一切代价避免
for
循环，尤其是在性能非常重要的情况下。还有，你为什么要寻找一种替代Cos（v_1，v_2）+····················································亚历山大，这样一来，余弦相似性函数只需运行一次。@jwnz这是为了好玩还是为了优化？