0和1之间的余弦相似性

我对计算向量之间的相似性很感兴趣,但是这种相似性必须是一个介于0和1之间的数字。关于tf-idf和余弦相似性有许多问题,都表明该值介于0和1之间。从 Wikipedia :

在信息检索的情况下,二者的余弦相似性 tfidf权重)不能为负。两项之间的夹角

model_a 还有一句话 model_b 就像这样

import gensim as gs
from sklearn.metrics.pairwise import cosine_similarity

model_a = gs.models.KeyedVectors.load_word2vec_format(model_a_path, binary=False)
model_b = gs.models.KeyedVectors.load_word2vec_format(model_b_path, binary=False)

vector_a = model_a[word_a].reshape(1, -1)
vector_b = model_b[word_b].reshape(1, -1)

sim = cosine_similarity(vector_a, vector_b).item(0)

但是 sim 是[-1,1]范围内的相似性度量。有没有一种科学合理的方法将其映射到[0,1]范围?直觉上我认为

norm_sim = (sim + 1) / 2

是可以的,但我不确定这是否是良好的做法,就实际意义上的余弦相似性。如果没有,是否建议使用其他相似性度量?