减少Python中两个列表之间的余弦相似度计算的运行时间

在Python中计算两个列表之间的余弦相似度可以使用scikit-learn库中的cosine_similarity函数来实现。该函数计算两个向量之间的余弦相似度，将其归一化到0到1的范围内。

以下是计算两个列表之间余弦相似度的代码示例：

from sklearn.metrics.pairwise import cosine_similarity

def calculate_cosine_similarity(list1, list2):
    # 将列表转换为矩阵形式，每个列表作为矩阵的一行
    matrix = [list1, list2]
    # 计算余弦相似度
    similarity_matrix = cosine_similarity(matrix)
    # 获取相似度值
    similarity_score = similarity_matrix[0][1]
    return similarity_score

该代码将两个列表转换为矩阵形式，并使用cosine_similarity函数计算相似度矩阵。然后从相似度矩阵中获取相似度值。注意，这个函数返回的是一个介于-1到1之间的值，可以使用0.5*(similarity_score+1)将其归一化到0到1的范围内。

以下是使用腾讯云相关产品和产品介绍链接地址的示例：

from sklearn.metrics.pairwise import cosine_similarity

def calculate_cosine_similarity(list1, list2):
    # 将列表转换为矩阵形式，每个列表作为矩阵的一行
    matrix = [list1, list2]
    # 计算余弦相似度
    similarity_matrix = cosine_similarity(matrix)
    # 获取相似度值
    similarity_score = similarity_matrix[0][1]
    return similarity_score

# 示例数据
list1 = [1, 2, 3]
list2 = [2, 3, 4]

similarity_score = calculate_cosine_similarity(list1, list2)
print("余弦相似度：", similarity_score)

腾讯云相关产品和产品介绍链接地址：