根据维基百科的 tf-idf 文章：

给定文档中的术语计数只是给定术语在该文档中出现的次数。该计数通常被标准化以防止偏向较长的文档（无论该术语在文档中的实际重要性如何，它可能具有更高的术语计数）以衡量术语 t 在特定文档 d 中的重要性

因此，将术语 t 的频率归一化为它出现的文档 d 的长度。然后您可以计算 tf-idf 向量之间的余弦相似度。

余弦相似度仍然是一个有效的度量。实际上，这就是 tf-idf 权重对于不同文档的长度不同的规则，仅仅是因为它们使用的词并不完全相同。请注意，tf-idf 向量中缺失的单词实际上是频率为 0 的单词。

因此，您可以通过添加一对 0 将两个向量拉长到相同的长度，然后计算余弦相似度。