python计算中文文本相似度神器
我的代码:
def sentence_relevance(title, query): # 计算文本向量 embeddings = model.encode([title, query], convert_to_tensor=True) # 计算余弦相似度 cosine_scores = util.pytorch_cos_sim(embeddings[0], embeddings[1]) return cosine_scores.item()
以下为转载:
介绍
最近因为工作需要,需要使用一个功能,就是中文文本相似度的计算。属于nlp领域的一个应用吧,这里找到一个非常好的包和大家分享。这个包叫sentence-transformers。
这里给大家介绍,如何使用这个包对中文文本做相似度计算(这个包的其中一个小用途罢了)
这里使用的模型是paraphrase-multilingual-MiniLM-L12-v2模型,因为paraphrase-MiniLM-L6-v2模型已经非常好了,paraphrase-multilingual-MiniLM-L12-v2是paraphrase-MiniLM-L6-v2模型的多语言版本,速度快,效果好,支持中文!
这里计算相似度的方法是使用的余弦相似度。
使用步骤
1、第一步先安装这个包,可以直接使用pip安装:
pip install sentence-transformers
2、导入包
import sys from sentence_transformers.util import cos_sim from sentence_transformers import SentenceTransformer as SBert
3、使用模型
model = SBert('paraphrase-multilingual-MiniLM-L12-v2')
因为在中国境内,访问一些模型网站,可能会失败,出现这样的结果:
HTTPSConnectionPool(host='huggingface.co', port=443): Max retries exceeded with url: /api/models/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 (Caused by SSLError(SSLError(1, '[SSL: WRONG_VERSION_NUMBER] wrong version number (_ssl.c:1129)')))
那么我们就可以换成这样的方法:先去下载模型,然后解压到文件夹中,然后直接传递这个文件夹路径就行了。
先去模型网站下载模型:模型网站链接为:https://public.ukp.informatik.tu-darmstadt.de/reimers/sentence-transformers/v0.2/
然后查找paraphrase-multilingual-MiniLM-L12-v2这个模型名字,点击下载即可。
然后将这个模型解压到paraphrase-multilingual-MiniLM-L12-v2文件夹。然后再将这个文件夹路径放到下面的模型即可。
model = SBert("C:\\Users\xxxx\Downloads\\paraphrase-multilingual-MiniLM-L12-v2")
计算结果
下面的内容就很简单了,传递了两个list,分别对每个list里面的文本做encode,然后再计算余弦相似度,最后输出结果。
# Two lists of sentences sentences1 = ['如何更换花呗绑定银行卡', 'The cat sits outside', 'A man is playing guitar', 'The new movie is awesome'] sentences2 = ['花呗更改绑定银行卡', 'The dog plays in the garden', 'A woman watches TV', 'The new movie is so great'] # Compute embedding for both lists embeddings1 = model.encode(sentences1) embeddings2 = model.encode(sentences2) # Compute cosine-similarits cosine_scores = cos_sim(embeddings1, embeddings2) cosine_scores
感想
我其实刚开始打算就是使用text2vec
这个包的,我感觉这个包写的挺好的,非常强大。我于是想看看他这个包的源码,打开源码的一瞬间,我都惊呆了,没想到代码写的这么干净漂亮。
可是我后来细看才知道,竟然跳转到sentence-transformers包了😂,原来刚才很多漂亮的代码,都是sentence-transformers包哇😂。
text2vec包也很不错,sentence-transformers包更不错!!
我这里也只是提供了sentence-transformers包一个简单的使用用途,大家可以仔细读读包的源码,非常值得学习~
参考链接
https://github.com/UKPLab/sentence-transformers
https://github.com/shibing624/text2vec
阅读更多
https://www.zhihu.com/question/510987022/answer/2778610483
原文链接:https://blog.csdn.net/yuanzhoulvpi/article/details/121755062