Question

我有一个向量作为图层的输入。对于这个矢量，我想计算出与其他几个矢量（可以排列成矩阵）的余弦相似度

示例（其他向量：c1，c2，c3 ...）：

Input: 
v 
(len(v) = len(c1) = len(c2) ...)

Output: 
[cosinsSimilarity(v,c1),cosineSimilarity(v,c2),cosineSimilarity(v,c3),consinSimilarity(v,...)]

我认为可以通过以下方法解决该问题：

cosineSimilarity (v, matrix (c1, c2, c3, ...))

但是不幸的是，我不知道如何在具有input_shape（1，len（v））和output_shape（1，columns（matrix））的keras层中实现这一点

Answer 1

好吧，现在是如此简单。我只是插入了这个lambda层
因为均值函数也适用于向量-矩阵乘法。

def cosine_similarity(x):
  #shape x: (10,)
  y = tf.constant([c1,c2])
  #shape c1,c2: (10,)
  #shape y: (2,10)

  x = K.l2_normalize(x, -1)
  y = K.l2_normalize(y, -1)
  s = K.mean(x * y, axis=-1, keepdims=False) * 10
  return s

在我的情况下，

输入是形状为（10，）的向量。输出是一个向量，形状为（2，）的输入向量与c1和c2的余弦相似度值

在Keras中计算向量和矩阵之间的余弦相似度

1 个答案: