存储在相似之处中的内容.SparseMatrixSimilarity（）。index

Question

我正在gensim模块中使用余弦相似度函数，这是相似度.SparseMatrixSimilarity（）。我想获得所有索引文档之间的相似性。该方法具有attribute：index，但我不知道其中存储了什么。

    sim = similarities.SparseMatrixSimilarity(
        self.tfidf_vectors, num_features=self.featurenum)
    sim.save(path + '/model/train_index.index')
    print(sim.index.shape)
    print(sim.index.toarray().shape)

len（self.tfidf.vectors）为9117，但是sim.index.shape为（9117，143807）和sim.index.toarray（）。shape也为（9117，143807）。我猜应该是（9117,9117）。 sim.index中有什么？

Answer 1

9117是文档计数，143897是所有文档中单词的计数。因此，索引是一个矩阵，每一行代表一个文档，每一列代表一个单词。