我正在处理一个数据集，需要计算两个字段之间的相似度。
对于一个用例，我需要比较客户端是否相同或几乎相同。我以为余弦相似性，但是使用scikit学习包需要花费很长时间。有27万行
我确实创建了两个具有相同字段'input_1'和'input_2'的向量，并在每个组合之间计算并存储余弦值。
input_1 = ['What is the step by step guide to invest in share market in india?'; What is the story of Kohinoor (Koh-i-Noor) Diamond?' (...)]
input_2 = input_1
我看到了最快的计算（https://bergvca.github.io/2017/10/14/super-fast-string-matching.html）。
问题在于，它基于CSR矩阵（并且超过了n-grams），而我找不到找到方法：
Index; Input_1; Input_2;Similarité 1; blablabla; blablabla; 1.000000 2; abc; cab，... 等等...
我的问题是从awesome_cossim的结果返回到我使用的一个简单数据帧（为了共享结果）：这是行/列号？
最后一个问题：我试图为整个数据集进行计算（为所有条目设置awesome_cossim_top）。
你能帮我吗？
非常感谢：）
亲切的问候， Allal