Skip to content

  • 体验新版
    • 正在加载...
  • 登录
  • PaddlePaddle
  • ERNIE
  • Issue
  • #474

E
ERNIE
  • 项目概览

PaddlePaddle / ERNIE
大约 2 年 前同步成功

通知 115
Star 5997
Fork 1271
  • 代码
    • 文件
    • 提交
    • 分支
    • Tags
    • 贡献者
    • 分支图
    • Diff
  • Issue 29
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 0
  • Wiki 0
    • Wiki
  • 分析
    • 仓库
    • DevOps
  • 项目成员
  • Pages
E
ERNIE
  • 项目概览
    • 项目概览
    • 详情
    • 发布
  • 仓库
    • 仓库
    • 文件
    • 提交
    • 分支
    • 标签
    • 贡献者
    • 分支图
    • 比较
  • Issue 29
    • Issue 29
    • 列表
    • 看板
    • 标记
    • 里程碑
  • 合并请求 0
    • 合并请求 0
  • Pages
  • 分析
    • 分析
    • 仓库分析
    • DevOps
  • Wiki 0
    • Wiki
  • 成员
    • 成员
  • 收起侧边栏
  • 动态
  • 分支图
  • 创建新Issue
  • 提交
  • Issue看板
已关闭
开放中
Opened 5月 29, 2020 by saxon_zh@saxon_zhGuest

文本相似度计算结果不符合预期

Created by: CUITCHE

使用官方的“快速上手”代码,得到几组词的向量

import numpy as np
import paddle.fluid.dygraph as D
from ernie.tokenizing_ernie import ErnieTokenizer
from ernie.modeling_ernie import ErnieModel

D.guard().__enter__() # activate paddle `dygrpah` mode

model = ErnieModel.from_pretrained('ernie-1.0')    # Try to get pretrained model from server, make sure you have network connection
tokenizer = ErnieTokenizer.from_pretrained('ernie-1.0')

ids, _ = tokenizer.encode('hello world')
ids = D.to_variable(np.expand_dims(ids, 0))  # insert extra `batch` dimension
pooled, encoded = model(ids)                 # eager execution
print(pooled.numpy())                        # convert  results to numpy

我根据词向量计算余弦相似度,缺没得到预期的值:

def cos_sim(vector_a, vector_b):
    """计算两组向量的余弦值"""
    vector_a = np.mat(vector_a)
    vector_b = np.mat(vector_b)
    num = float(vector_a * vector_b.T)
    denom = np.linalg.norm(vector_a) * np.linalg.norm(vector_b)
    cos = num / denom
    sim = 0.5 + 0.5 * cos
    return sim

def calc_cos_sim(ws):
    res = list()
    for w in ws:
        ids, _ = tokenizer.encode(w)
        ids = D.to_variable(np.expand_dims(ids, 0))
        pooled, encoded = model(ids)
        res.append(list(pooled.numpy()[0]))
    return cos_sim(res[0], res[1])


if __name__ == '__main__':
    # activate paddle `dygrpah` mode
    with D.guard():
        model = ErnieModel.from_pretrained('ernie-1.0')
        tokenizer = ErnieTokenizer.from_pretrained('ernie-1.0')
        pairs = [('法师', '律师'), ('医院', '法院'), ('展架', '展柜')]
        for p in pairs:
            print(f'{p} {calc_cos_sim(p)}')

A、('法师', '律师') 0.9383215354753538 B、('医院', '法院') 0.978857960588891 C、('展架', '展柜') 0.9633232497133388

实际上,C组应该更接近1,而A、B更远离1。

另:每次计算出来的值也不完全相同,有小的波动,如我再次运行: A、('法师', '律师') 0.956882570176395 B、('医院', '法院') 0.9377995660564593 C、('展架', '展柜') 0.9481575568652009

指派人
分配到
无
里程碑
无
分配里程碑
工时统计
无
截止日期
无
标识: paddlepaddle/ERNIE#474
渝ICP备2023009037号

京公网安备11010502055752号

网络110报警服务 Powered by GitLab CE v13.7
开源知识
Git 入门 Pro Git 电子书 在线学 Git
Markdown 基础入门 IT 技术知识开源图谱
帮助
使用手册 反馈建议 博客
《GitCode 隐私声明》 《GitCode 服务条款》 关于GitCode
Powered by GitLab CE v13.7