在 Keras 中计算向量和矩阵之间的余弦相似度

Question

我有一个向量作为图层的输入。对于这个向量，我想计算与其他几个向量相似的余弦（可以排列在矩阵中）

示例（其他向量：c1、c2、c3 ...）：

Input: 
v 
(len(v) = len(c1) = len(c2) ...)

Output: 
[cosinsSimilarity(v,c1),cosineSimilarity(v,c2),cosineSimilarity(v,c3),consinSimilarity(v,...)]

我认为可以通过以下方法解决问题：

cosineSimilarity (v, matrix (c1, c2, c3, ...))

但不幸的是我不知道如何在 keras 层中使用 input_shape(1,len(v)) 和 output_shape(1,columns(matrix))

Answer 1

好的，现在很容易。我只是插入了这个 lambda 层
因为 mean 函数也适用于向量 - 矩阵乘法。

def cosine_similarity(x):
  #shape x: (10,)
  y = tf.constant([c1,c2])
  #shape c1,c2: (10,)
  #shape y: (2,10)

  x = K.l2_normalize(x, -1)
  y = K.l2_normalize(y, -1)
  s = K.mean(x * y, axis=-1, keepdims=False) * 10
  return s

在我的例子中，输入是一个形状为 (10,) 的向量。输出是一个向量，其输入向量与 c1 和 c2 的余弦相似度值的形状为 (2,)

在 Keras 中计算向量和矩阵之间的余弦相似度

Computing cosine similarity between vector and matrix in Keras

cosine-similarity

keras

tensorflow