fasttext 预训练句子相似度

Question

我想使用 fasttext 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？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。像这样写代码。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

Answer 1

我认为如果可以使用词嵌入，就没有必要计算 TfIdf。

一个简单但有效的方法在于：

计算代表你的两个字符串的两个向量，使用你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）
计算两个向量之间的余弦相似度（1：相等的字符串；0：真的不同的字符串；阅读 https://masongallo.github.io/machine/learning,/python/2016/07/29/cosine-similarity.html).

fasttext 预训练句子相似度

fasttext pre trained sentences similarity

python

nlp

information-retrieval

sentence-similarity

fasttext