【余弦相似度】2：是否需要做归一化

• 各种标签的向量，做 加权计算后得到一个综合向量，计算余弦相似度之前，
• 可选的，做一个归一化：

aggregated_vector /= np.linalg.norm(aggregated_vector)

• 这段代码实现的是 归一化 操作，具体来说，它使用了 L2 范数 来归一化 aggregated_vector 向量。

归一化的目的

• 归一化是为了将一个向量的长度（或模）调整为 1，从而使其单位长度为 1。这样做可以帮助消除不同向量之间由于长度差异而引入的误差，使得向量的方向（或者说，特征）成为主要的比较标准。常见的归一化方式有 L2 范数归一化、L1 范数归一化 等。

• 在机器学习和自然语言处理等领域，归一化常用于计算两个向