2

我想使用 fasttext 预训练模型来计算一组句子之间的句子相似度。谁能帮我？什么是最好的方法？

我通过训练一个 tfidf 模型来计算句子之间的相似度。写这样的代码。是否可以更改它并使用 fasttext 预训练模型？例如使用向量来训练 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
4

1 回答 1

5

如果您可以使用词嵌入，我认为计算 TfIdf 是不必要的。

一个简单但有效的方法包括：

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

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

于 2019-12-06T16:38:35.797 回答