Affinity matrix（相似度矩阵/亲和矩阵）：在数据分析与机器学习中，用一个矩阵来表示样本两两之间的“相似程度”或“连接强度”。矩阵元素 \(A_{ij}\) 通常表示第 \(i\) 个与第 \(j\) 个样本的相似度（值越大越相似），常用于谱聚类（spectral clustering）、图学习（graph-based learning）、网络分析等。
（在不同语境下也可指“亲和力/关联度”矩阵，具体取决于相似度定义方式。）
/fnti metrks/
We build an affinity matrix from the cosine similarity of the embeddings.
我们用向量嵌入的余弦相似度来构建相似度矩阵。
After normalizing the affinity matrix and computing its eigenvectors, the algorithm clusters the data into several groups.
在对相似度矩阵进行归一化并计算其特征向量之后，算法将数据聚成若干组。
affinity 源自拉丁语 affinitas，本义是“亲近、联系、姻亲关系”，后来引申为“吸引力、相似性、亲和性”；matrix 源自拉丁语 matrix（“母体/来源”），在数学中指“矩阵”。合起来 affinity matrix 就是“用矩阵形式表达对象之间亲和/相似关系”的工具。
Select Language