如何在DOK稀疏矩阵中实现类似Numpy的@矩阵乘法？

我有一个名为occurrences的稀疏DOK矩阵和一个名为occurrences_np的Numpy矩阵，二者均用于统计文档中的词频。想要通过将occurrences的转置与自身相乘得到共现矩阵：

• 在Numpy矩阵上，通过np.transpose(occurrences_np) @ occurrences_np成功实现
• 尝试用occurrences.multiply(occurrences.transpose())时，出现报错：

File "<ipython-input-160-5bd1761dd328>", line 185, in create_cooccurrences
    cooccurrences = self.occurrences.multiply(self.occurrences.transpose())

  File "C:\Users\20200016\Anaconda3\lib\site-packages\scipy\sparse\base.py", line 336, in multiply
    return self.tocsr().multiply(other)

  File "C:\Users\20200016\Anaconda3\lib\site-packages\scipy\sparse\compressed.py", line 406, in multiply
    raise ValueError("inconsistent shapes")

请问如何在DOK矩阵中进行矩阵乘法操作？

• 报错原因：multiply()是稀疏矩阵的逐元素乘法，要求两个矩阵的形状完全一致。而转置后的矩阵形状与原矩阵不同（假设原矩阵是M×N，转置后是N×M），因此触发形状不匹配的报错。
• 正确的矩阵乘法方式：和Numpy类似，稀疏矩阵的矩阵乘法可以用@运算符，或者dot()方法：
  1. 使用@运算符（推荐，语法简洁）：

     cooccurrences = occurrences.transpose() @ occurrences
     # 或者用简写的转置属性 .T
     cooccurrences = occurrences.T @ occurrences
     

  2. 使用dot()方法：

     cooccurrences = occurrences.transpose().dot(occurrences)
     

• 格式转换说明：运算后结果可能会自动转换为CSR/CSC等更适合矩阵乘法的稀疏格式，如果需要保持DOK格式，可以调用.todok()方法转换：

  cooccurrences = (occurrences.T @ occurrences).todok()
  

内容的提问来源于stack exchange，提问作者Emil