存储在similarities.SparseMatrixSimilarity().index中的内容

Question

我在 gensim 模块中使用余弦相似度函数，即similarities.SparseMatrixSimilarity()。我想获得所有索引文档之间的相似之处。该方法有一个属性：索引，但我不知道其中存储了什么。

    sim = similarities.SparseMatrixSimilarity(
        self.tfidf_vectors, num_features=self.featurenum)
    sim.save(path + '/model/train_index.index')
    print(sim.index.shape)
    print(sim.index.toarray().shape)

len(self.tfidf.vectors) 是 9117，但 sim.index.shape 是 (9117, 143807) 并且 sim.index.toarray().shape 也是 (9117, 143807)。我想应该是（9117,9117）。 sim.index 中有什么？

Answer 1

9117 是文档数，143897 是所有文档中的单词数。所以，索引是一个矩阵，每一行代表一个文档，每一列代表一个单词。