余弦相似度python问题

Question

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

对于余弦相似度，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。 i tf*idf 权重和每个文档的向量，这是一个文档向量的例子 和一个查询向量：

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

好的，所以问题是有时我做余弦相似度，结果大于1，这怎么可能？余弦不能大于1？我的推理正确吗？ 在这种情况下做余弦相似度是否正确？ 请帮帮我，谢谢

Answer 1

1) Cosine similarity 不能大于 1。

-1 <= cos_sim <= 1

2) 你得到的结果大于 1 可能是因为浮点数据类型。

浮点数在计算机硬件中以 2 为底表示 （二进制）分数。

在运行 Python 的典型机器上，有 53 位精度 可用于 Python 浮点数

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

通过this链接了解更多关于python中浮点数的信息。