快速文本预训练句子相似度

Question

我想使用快速文本预训练模型来计算相似度 一组句子之间的一个句子。 谁能帮我？ 最好的方法是什么？

我通过训练tfidf模型来计算句子之间的相似度。这样写代码。 是否可以更改它并使用快速文本预训练模型？例如使用向量训练tfidf模型？

def generate_tfidf_model(sentences):
    print("generating TfIdf model")
    texts = [[sentence for sentence in doc.split()] for doc in sentences]
    dictionary = gensim.corpora.Dictionary(texts)    
    feature_cnt = len(dictionary.token2id)
    mycorpus = [dictionary.doc2bow(doc, allow_update=True) for doc in texts]
    tfidf_model = gensim.models.TfidfModel(mycorpus)
    index = gensim.similarities.SparseMatrixSimilarity(tfidf_model[mycorpus]
                                                        , num_features = feature_cnt)
    return tfidf_model, index, dictionary

def query_search(query, tfidf_model, index, dictionary):
    query = normal_stemmer_sentence(query)
    query_vector = dictionary.doc2bow(query.split())
    similarity = index[tfidf_model[query_vector]]
    return similarity

Answer 1

我认为，如果可以使用单词嵌入，则不必计算TfIdf。

一种简单而有效的方法包括：

1. 使用针对您的语言的预训练词嵌入（例如FastText-get_sentence_vector https://fasttext.cc/docs/en/python-module.html#model-object）计算代表两个字符串的两个向量

2. 计算两个向量之间的余弦相似度（1：相等的字符串； 0：真实 不同的字符串；阅读https://masongallo.github.io/machine/learning,/python/2016/07/29/cosine-similarity.html）。