本文共 936 字，大约阅读时间需要 3 分钟。

word2vec：

就是将 一个词或者一个句子映射到一个高维空间，得到一组向量

最近遇到一个任务，需要对特定的语句key 去 提取相应的 value：

google 已经将预训练模型放出来在官方的github上面了，利用预训练模型，进行词嵌入是一件简单的事情：

1. 下载预训练模型： 链接：https://github.com/google-research/bert#pre-trained-models
   我是用的是
   解压
2. 安装包：

pip install tensorflow-gpu==1.15pip install -U bert-serving-server bert-serving-client

3. 启动：

bert-serving-start -model_dir /path_to_the_model/ -num_worker=1

4. 预测 词嵌入：

from bert-serving.client import BertClient()client = BertClient()vectors = client.encode(['dog', 'cat','man'])

5. 计算相似度：

from service.client import BertClientimport numpy as npbc = BertClient()def cosine(a,b):    return a.dot(b)/(np.linalg.norm(a)*np.linalg.norm(b))vectors=np.array(bc.encode(['First do it', 'then do it right']))print(['First do it', 'then do it right'],":",cosine(vectors[0],vectors[1]))

结果：

转载地址：http://rnywi.baihongyu.com/