Python 如何计算两个大型稀疏矩阵之间的余弦相似性？

我想计算两个巨大稀疏矩阵的每对行之间的余弦相似性。传统的函数计算所有对行，在我的例子中，甚至更“容易”，我没有找到实现来做到这一点

例如：对于N中的所有i，结果将是一个

cos数组（A[row i]，B[row i]）

我已经尝试对每一行使用
map
，但速度非常慢。现在，我一直在尝试使用矩阵运算计算所有行

import numpy as np
import scipy.sparse as sp

A = sp.csr_matrix((N,N))
B = sp.csr_matrix((N,N))

A_norm = sp.dok_matrix(A.shape)
A_norm[A.nonzero()] = A[A.nonzero()] / A[A.nonzero()].sum(axis=0)

B_norm = sp.dok_matrix(B.shape)
B_norm[B.nonzero()] = B[B.nonzero()] / B[B.nonzero()].sum(axis=0)

AB = (A_norm*B_norm).sum(axis=0)

AA = np.sum(np.sqrt( A_norm*A_norm ), axis=0)
BB = np.sum(np.sqrt( B_norm*B_norm ), axis=0)
AA_BB = (AA*BB)

cos = sp.dok_matrix(AB.shape)
cos[AA_BB.nonzero()] = AB[AA_BB.nonzero()] / AA_BB[AA_BB.nonzero()]

当我在上面的代码上计算（AA*BB）时会发生错误。堆栈是：

--------------------------------------------------------------------------
ValueError                               Traceback (most recent call last)
<ipython-input-244-00be56e17413> in <module>()
      9 AA = np.sum(np.sqrt( A_norm*A_norm ), axis=0)
     10 BB = np.sum(np.sqrt( B_norm*B_norm ), axis=0)
---> 11 AA_BB = (AA*BB)
     12 
     13 cos = sp.dok_matrix(AB.shape)

/usr/local/lib/python3.6/dist-packages/numpy/matrixlib/defmatrix.py in __mul__(self, other)
    218         if isinstance(other, (N.ndarray, list, tuple)) :
    219             # This promotes 1-D vectors to row vectors
--> 220             return N.dot(self, asmatrix(other))
    221         if isscalar(other) or not hasattr(other, '__rmul__') :
    222             return N.dot(self, other)

ValueError: shapes (1,70765) and (1,70765) not aligned: 70765 (dim 1) != 1 (dim 0)

--------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
9 AA=np.和（np.sqrt（A_范数*A_范数），轴=0）
10bb=np.和（np.sqrt（B_范数*B_范数），轴=0）
--->11 AA_BB=（AA*BB）
12
13 cos=sp.dok_矩阵（AB.shape）
/usr/local/lib/python3.6/dist-packages/numpy/matrixlib/defmatrix.py in_uuu_u_u_u_u（self，other）
218如果是实例（其他，（N.ndarray，list，tuple））：
219#这将一维向量提升为行向量
-->220返回N.dot（自身、asmatrix（其他））
221如果isscalar（其他）或非hasattr（其他），则：
222返回N.dot（自身、其他）
值错误：形状（170765）和（170765）未对齐：70765（尺寸1）！=1（尺寸0）
对于稀疏矩阵，
M.sum（0）
生成形状为（1，n）的密集numpy矩阵。使用
np.matrix
时，
*
运算符是矩阵乘法，
点
，因此对齐错误。您可以转置一个，也可以使用
乘法
（检查
np.matrix
了解确切的方法）。对于稀疏矩阵，
M.sum（0）
生成一个密集的numpy矩阵，形状为（1，n）。使用
np.matrix
时，
*
运算符是矩阵乘法，
点
，因此对齐错误。您必须转置一个，或者使用
乘法
（检查
np.matrix
以了解确切的方法）。