我们在数值计算中遇到的稀疏矩阵，一般都是维数很多，有值的位置却很少的矩阵，一个很典型的例子就是文本的one-hot向量化之后的矩阵，极度稀疏，如果我们面临这样的问题，一组文本与另一组文本计算交叉余弦相似度，那么我们面临的问题就变成了两个巨大的稀疏矩阵的点乘问题，这种情况下，最大的问题有2个，一个是内存占用，二个是计算速度。

scipy中的sparse模块提供了稀疏矩阵的表示方法，将稀疏矩阵用sparse中的几种特殊表示方法进行转化之后，不仅占用内存小，而且点乘运算速度得到了极大地提升：

如上图所示，计算速度相差几十倍。