计算没有矩阵的余弦相似度，从 coo_matrix 到 csr_matrix答案

【问题标题】：Calculate Cosine similarity without matrix with duplicate sum from coo_matrix to csr_matrix计算没有矩阵的余弦相似度，从 coo_matrix 到 csr_matrix
【发布时间】：2019-02-10 18:36:34
【问题描述】：

我想计算购买数据集的产品之间的余弦相似度。我有超过 100000 行（行 = 用户购买事件）和超过 80000 种产品。

为了避免使用pandas.crosstab 来制作数据集的格式：

>  user_id\item_id  1  2  3  4  ...   
>       1         | 1  1  0  0
>       2         | 0  1  0  0
>       3         | 1  0  1  0
>       4         | 0  0  0  0
>       5         | 0  0  1  0
>       ...
> 
> Matrix: Whether a user purchased an item or not

我将购买数据集转换为scipy.coo_matrix，并认为我必须随后执行tocsr() 来进行产品之间的标准化和相似性计算，但发现当我们将coo_matrix 转换为csr_matrix 时，它总和重复项（我不想发生这种情况，我的矩阵中只需要 1 和 0）。

有没有办法解决这个问题并计算余弦相似度？

【问题讨论】：

标签： python scipy sparse-matrix cosine-similarity

【解决方案1】：

作为csr_matrix 支持项目索引，您可以使用以下一个衬垫将大于一的所有内容转换为一

X[X > 1] = 1

【讨论】：