我有一个Python函数，它接受一个文本块并返回一个特殊的2D矢量/字典表示，具体取决于所选长度 n 。示例输出可能如下所示：
1: [6, 8, 1]
2: [6, 16, 4, 4, 5, 11, 5, 8]
3: [4, 7, 8, 4]
..
..
n: [5, 2, 1, 4, 5, 6]
从1到 n 的键表示输入文本中的位置;例如，如果n = 12，则密钥5将保存数据到文档的路径的约5/12。
每个密钥的整数列表的长度是任意的;因此，对于相同的 n 值，另一个文本块可以很好地产生这个：
1: [4, 5, 16, 7, 6]
2: None
3: [7, 9, 12]
..
..
n: [3]
我想为任何两个相同长度 n 的矢量创建相似性度量。我尝试过的一件事是只考虑字典中每个整数列表的平均值，从而提供简单的1D向量，以便进行简单的余弦比较。
但这会丢失一些比我想要的更多的信息（更不用说偶尔无值的麻烦）。
由于我可以通过选择不同的* n * s来创建表示的不同向量/不同“粒度”，因此在获取两个文档时会有价值，在匹配的* n * s范围内创建多个向量对，然后做某种平均值的平均值？
或者以完全不同的方式处理事情会更好吗？我可以将输入文本表示为一维向量，但仍然可以得到我想要的想法，但它们最终会有不同的长度，这可能会使比较变得复杂。 （想到这一点，原始表示中每个键的不同长度并没有完全解决这个问题......哈哈。但仍然......）