余弦相似性python问题

Question

您好我正在尝试计算我的查询与我在python中使用我的信息检索程序返回的文档之间的余弦相似度。

对于余弦相似性我使用此实现：

import math
def cosine_similarity(v1,v2):

    sumxx, sumxy, sumyy = 0, 0, 0
    for i in range(len(v1)):
        x = v1[i]; y = v2[i]
        sumxx += x*x
        sumyy += y*y
        sumxy += x*y
    return sumxy/math.sqrt(sumxx*sumyy)

我在这个网站上找到了这个解决方案，但我遇到了一些问题。 我tf * idf权重和每个文档的向量，这是文档向量的一个例子 和查询向量：

D: [0.028239449664633154, 0.05559373180364792, 0.02798439181455718]
Q: [0.3746433655507998, 0.526816791853616, 0.618765996788542] 

好的，问题是有时我会做余弦相似，结果大于1，这怎么可能？余弦不能大于1？我的推理是否正确？ 在这种情况下，做余弦相似性是否正确？ 请帮帮我，谢谢

Answer 1

1）volumes from不能大于1.

-1 <= cos_sim <= 1

2）由于浮点数据类型，您得到的结果大于1。

  

浮点数在计算机硬件中表示为基数2   （二元）分数。

     

在运行Python的典型机器上，有53位精度   可用于Python浮动

如果Python要打印存储为0.1的二进制近似值的真实十进制值，则必须显示

>>> 0.1
0.1000000000000000055511151231257827021181583404541015625

浏览Cosine similarity链接以了解有关python中浮点数的更多信息。