基于大约5,000到100,000个字嵌入（GloVe，300维）的子样本，我需要构建一个邻接矩阵，即1和0的矩阵，表示两个单词之间的欧几里德（或余弦）距离是小于x。
目前，我正在使用scipy.spatial.distance.pdist：
distances = pdist(common_model, 'euclidean')
adjacency = (distances <= 0.4)
adjacency = csr_matrix(squareform(adjacency), dtype=np.uint8)
随着词汇量的增加，我的记忆力会很快填满，而pdist会因MemoryError而失败（当common_model的形状为(91938, 300)且包含float64时）。
手动迭代模型并直接创建邻接，而中间没有距离矩阵将是一种方式，但这非常慢。
是否有另一种方法以时间和内存最优的方式构造邻接矩阵？