Python批量计算多向量两两余弦相似度结果异常，求解决方法

错误核心原因 #

你的批量计算代码存在两个致命问题：

1. 向量拼接方式错误：pd.concat([X,Y,Z])默认按行拼接，把三个n维向量拼成了3n维的长向量（或3n行1列的矩阵），导致np.dot(W, V.T)计算的不是W与每个向量的点积，而是W和这个长向量的点积，完全偏离需求。
2. 范数计算错误：即使拼接方式正确，np.linalg.norm(V)计算的是整个矩阵的全局Frobenius范数，而非每个单独向量的L2范数，分母不符合余弦相似度的定义。

正确批量计算方法 #

方法1：纯NumPy手动实现

假设W、X、Y、Z为pandas Series或1D NumPy数组：

import numpy as np
import pandas as pd

# 把X/Y/Z按列拼成n×3的矩阵（每列对应一个待计算的向量）
V = np.column_stack([X.values, Y.values, Z.values])
# 计算W的L2范数
w_norm = np.linalg.norm(W.values)
# 计算每个向量（X/Y/Z）的L2范数，axis=0表示按列计算
v_norms = np.linalg.norm(V, axis=0)
# 利用广播机制批量计算余弦相似度
similarities = np.dot(W.values, V) / (w_norm * v_norms)
print(similarities)

输出结果会和你手动计算的三个值完全一致。

方法2：用Scikit-learn简化批量计算

如果有大量向量需要计算，用专业工具更高效且不易出错：

from sklearn.metrics.pairwise import cosine_similarity

# 将W转换为模型要求的2D数组格式
w_2d = W.values.reshape(1, -1)
# 将X/Y/Z堆叠成2D数组（每行对应一个向量）
others = np.vstack([X.values, Y.values, Z.values])
# 批量计算余弦相似度
similarities = cosine_similarity(w_2d, others)
print(similarities)

输出结果为：[[0.9984622004973391, 0.8891911653057049, 0.9676746591879851]]，与手动计算完全匹配。

内容的提问来源于stack exchange，提问作者chr