Dicklesworthstone/fast_vector_similarity

这是什么？

核心功能

• 01提供六种相似度与依赖度量：Spearman's rho、Kendall's tau、近似距离相关、Jensen-Shannon 依赖度量、Hoeffding's D 和归一化互信息。
• 02基于 rayon 的并行计算，可随 CPU 核心数扩展。
• 03Kendall's tau 用归并排序统计逆序对，把复杂度从 O(n^2) 降到 O(n log n)。
• 04支持 bootstrap 重采样，可配置样本量与迭代次数，得到更稳健的估计。
• 05Python 绑定以 JSON 字符串返回结果，方便接入 Pandas 等现有工作流。
• 06可处理高维向量，包括 4096 维的 LLM 文本 embedding。

适用场景

• 对 LLM 文本 embedding 做相似度排序，找出与查询句子最相近的条目。
• 检测两个变量之间非线性、非单调的依赖关系。
• 用 bootstrap 得到带置信区间的相似度估计，降低离群点的影响。
• 在 Rust 项目中直接调用相似度计算函数完成统计分析。

快速上手

1. 1

   从 PyPI 安装 Python 包

   pip install fast_vector_similarity
2. 2

   在 Rust 项目的 Cargo.toml 中添加该库

3. 3

   按照 README 示例在 Python 中调用 py_compute_vector_similarity_stats

使用前须知

• !项目未指定许可证，使用权限不明确。

收录于专题

标签

常见问题

fast_vector_similarity 是什么？

用 Rust 实现的高性能向量相似度库，提供 Python 绑定和多种相关性度量。 用 Rust 编写的高性能向量相似度库，同时通过 PyPI 提供 Python 绑定，用于比较两组数值向量或高维文本 embedding，适合数据分析与统计任务。

fast_vector_similarity 可以免费使用吗？用的什么许可证？

fast_vector_similarity 没有声明许可证。代码虽然公开，但没有许可证就没有明确的使用授权，正式使用前建议先联系作者。

fast_vector_similarity 还在维护吗？

活跃维护中。fast_vector_similarity 最近一次提交是在 2026年11月1日。

fast_vector_similarity 适合用来做什么？

对 LLM 文本 embedding 做相似度排序，找出与查询句子最相近的条目。 检测两个变量之间非线性、非单调的依赖关系。 用 bootstrap 得到带置信区间的相似度估计，降低离群点的影响。 在 Rust 项目中直接调用相似度计算函数完成统计分析。

fast_vector_similarity 怎么安装和运行？

从 PyPI 安装 Python 包: pip install fast_vector_similarity 在 Rust 项目的 Cargo.toml 中添加该库 按照 README 示例在 Python 中调用 py_compute_vector_similarity_stats

在哪里获取 fast_vector_similarity？

源代码和安装说明在 GitHub 上：https://github.com/Dicklesworthstone/fast_vector_similarity