Vergleich von linear_kernel und cosine_similarity
In dieser Übung steht dir tfidf_matrix zur Verfügung, die die tf-idf-Vektoren von tausend Dokumenten enthält. Deine Aufgabe ist es, die Kosinus-Ähnlichkeitsmatrix für diese Vektoren zuerst mit cosine_similarity und danach mit linear_kernel zu berechnen.
Anschließend vergleichen wir die Rechenzeiten beider Funktionen.
Diese Übung ist Teil des Kurses
<Kurs>Feature Engineering für NLP in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Record start time
start = time.time()
# Compute cosine similarity matrix
cosine_sim = ____(____, ____)
# Print cosine similarity matrix
print(cosine_sim)
# Print time taken
print("Time taken: %s seconds" %(time.time() - start))