python之如何加快向量集之间余弦相似度的计算

我有一组向量(~30k)，每个向量由fasttext生成的300个元素组成，每个向量代表一个实体的含义，我想计算所有实体之间的相似度，所以我在一个向量中迭代嵌套物质，O(N^2) 复杂度，这在时间上是不切实际的。

你能推荐我另一种计算方法吗，或者我怎样才能并行化它？

def calculate_similarity(v1, v2): 
    """ 
    Calculate cosine distance between two vectors 
    """ 
    n1 = np.linalg.norm(v1) 
    n2 = np.linalg.norm(v2) 
    return np.dot(v1, v2) / n1 / n2 
 
 
similarities = {} 
for ith_entity, ith_vector in vectors.items(): 
    for jth_entity, jth_vector in vectors.items(): 
        if ith_entity == jth_entity: 
            continue 
        if (ith_entity, jth_entity) in similarities.keys() or (jth_entity, ith_entity) in similarities.keys(): 
            continue 
        similarities[(ith_entity, jth_entity)] = calculate_similarity(ith_vector, jth_vector) 

请您参考如下方法:

您可以通过使用 scipy 摆脱嵌套循环，这很慢。的距离模块。

给定 vectors = {'k1':v1, 'k2':v2, ..., 'km':vm}与 vi是一个长度为 n 的 Python 列表。

import numpy as np  
from scipy.spatial import distance 
 
# transfrom vectors to m x n numpy array  
data = np.array(list(vectors.values()) 
 
# compute pairwise cosine distance  
pws = distance.pdist(data, metric='cosine') 

pws = np.array([ (k1, k2), (k1, k3), (k1, k4), ..., (k1, km), 
                           (k2, k3), (k2, k4), ..., (k2, km), 
                                      ..., 
                                                   (km-1, km) ])