Python 发展历史
python的创始人 吉多·范罗苏姆 1989年圣诞期间开发的一个新的脚本解释程序，作为ABC语言的继承
Python 是由 Guido van Rossum 在八十年代末和九十年代初，在荷兰国家数学和计算机科学研究所设计出来的。
Python 本身也是由诸多其他语言发展而来的,这包括 ABC、Modula-3、C、C++、Algol-68、SmallTalk、Unix
转载
2023-09-11 20:21:16
20阅读
欧几里得距离：曼哈顿距离：欧几里得距离和曼哈顿距离满足以下数学性质：闵可夫斯基距离：上确界距离：余弦相似性：余弦相似性其实是一种变量，它可以用来比较文档，或是针对给定的查询词向量对文档排序。令x,y是两个待比较的向量，使用余弦度量作为相似性函数，我们有如下：小练习：在数据分析中，最重要的是选择相似性度量，然而，不存在广泛接受的主观相似性度量，结果可能因所用的相似性度量而异。虽然如此，在进行某种变换
本篇博文主要比较目前常用的Sentence Embedding方法，包括双塔模型SBERT，对比学习SimCSE、ConSERT、ESimCSE，这里谈谈论文里的细节，以及本人在中文语料（Chinese-SNLI、Chinese-STS-B）复现后的结果。部分方法在半年前已复现过,但最近研究了sentence_transfo
原创
2022-03-03 10:49:12
1759阅读
论文地址：https://arxiv.org/abs/1908.10084 源码下载：https://github.com/UKPLab/sentence-transformers 相关网站：https://www.sbert.net/“论文中文翻译”已相当清楚，故本篇不再翻译，只简单介绍SBERT的原理，以及训练和使用中文相似度模型的方法和效果。原理挛生网络Siames
原创
2022-09-16 14:33:21
1183阅读
通过矢量相似性搜索，可以在〜50ms内响应〜640K论文上的语义搜索查询
原创
2024-05-15 13:59:30
104阅读
和。以模型为例，详细解释如何进行这两种方式的模型下载和使用。
原创
2024-10-19 05:10:47
833阅读
“论文中文翻译”已相当清楚，故本篇不再翻译，只简单介绍SBERT的原理，以及训练和使用中文相似度模型的方法和效果。原理挛生网络Siamese network（后简称SBERT），其中Siamese意为“连体人”，即两人共用部分器官。SBERT模型的子网络都使用BERT模型，且两个BERT模型共享参数。当对比A,B两个句子相似度时，它们分别输入BERT网络，输出是两组表征句子的向量，然后计算二者的相
转载
2024-05-24 21:54:27
32阅读
本文主要介绍了SBERT作者提供的官方模块的使用实战。
原创
2022-07-13 17:22:45
4047阅读
文章目录一、转转搜索少无结果模块简介1.1:什么是少无结果模块1.2 少无结果模块架构二、“软硬”结合，少无结果模块技术实现2.1 基于少无结果QR和ElasticSearch的文本硬匹配召回2.2 基于sBert孪生神经网络的语义向量软匹配召回2.2.1 为何我们需要“软硬结合”的多召回源召回2.2.2 孪生兄弟网络-sBert2.2.3 “负样本为王”-召回层的负样本选择三、总结四、参考文献
转载
2023-12-24 11:26:32
98阅读
一、出处 https://www.sbert.net/examples/training/sts/README.html https://github.com/UKPLab/sentence-transformers/blob/master/examples/training/sts/trainin ...
转载
2021-08-05 09:05:00
2289阅读
2评论
虽然通过 sentence-transformers 可以使用众多预训练模型，但这些模型几乎都采用了与原始 SBERT 模型相同的架构——在 tran
原创
2024-09-24 16:04:42
313阅读
环境设置：SentenceTransformertransformersSentenceTransformers Documentation — Sentence-Transformers documentation (sbert.net)Sentence Transformer是一个Python框架，用于句子、文本和图像嵌入Embedding。这个框架计算超过100种语言的句子或文本嵌入。然后，
转载
2024-02-10 06:53:52
411阅读
每天给你送来NLP技术干货！作者 | 周俊贤 整理 | NewBeeNLP这篇跟大家讨论相关的技术，主要包括BERT-avg、BERT-Whitening、SBERT、SimCES四个。为了方便，还是从狭义的语义匹配的场景出发，输入一对句子，输出这对句子相似性（回归，0~1）。BERT-avgBERT-avg做法
转载
2024-02-07 12:49:40
372阅读
SentenceTransformers 是一个可以用于句子、文本和图像嵌入的Python库。 可以为 100 多种语言计算文本的嵌入并且可以轻松地将它们用于语义文本相似性、语义搜索和同义词挖掘等常见任务。论文： Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks官网：https://www.sbert.net/安装pip
转载
2024-02-29 10:31:45
558阅读
背景SBERT模型是基于pytorch和transformers来实现的。如果想要通过tensorflow-serving来部署模型的话。首先，要将transformers模型转成pb的。tensorflow-serving只能支持模型本身的输入输出，不支持模型前的预处理，模型后的pooling等业务相关定制化操作。基于我们的定制化业务需求，决定了tensorflow-serving上需要封装一层
转载
2024-05-25 22:38:51
26阅读
本篇博文主要比较目前常用的Sentence Embedding方法，包括双塔模型SBERT，对比学习SimCSE、ConSERT、ESimCSE，这里谈谈论文里的细节，以及本人在中文语料（Chinese-SNLI、Chinese-STS-B）复现后的结果。部分方法在半年前已复现过,但最近研究了sentence_transformers库的源码，发现竟然提供了对比学习的损失函数，在此基础上做二次开发
作者 | 周俊贤 整理 | NewBeeNLP上一篇文章，讨论了语义匹配的语义场景，NLP 语义匹配：业务场景、数据集及比赛这篇跟大家讨论相关的技术，主要包括BERT-avg、BERT-Whitening、SBERT、SimCES四个。为了方便，还是从狭义的语义匹配的场景出发，输入一对句子，输出这对句子相似性（回
文本向量表示模型Word2Vec：通过腾讯AI Lab开源的大规模高质量中文词向量数据（800万中文词轻量版） (文件名：light_Tencent_AILab_ChineseEmbedding.bin 密码: tawe）实现词向量检索，本项目实现了句子（词向量求平均）的word2vec向量表示SBERT(Sentence-BERT)：权衡性能和效率的句向量表示模型，训练时通过有监督训练
转载
2023-05-20 09:21:58
1554阅读
关于sentence-Transformer的文章介绍已经有不少了，所以这里就只是贴出来一些链接，然后这篇文章主要就只是介绍下这个方法的一些代码，然后呢当作我的笔记，以及分享给大家。
首先最好的教程肯定是官方文档了，官方文档放在这里：https://www.sbert.net/index.html
这里有一个全部的在STS上的效果图，大家可以看到还是非常厉害的(●°u°●) 」，而且已经做了相
原创
2021-06-29 10:41:11
1237阅读
基于对比自监督学习的语言模型设计和改进*
摘要：最近几年见证了自然语言处理特别是表示学习的预训练模型的蓬勃发展，基于对比学习的自监督模型是其中最火的一种。BERT是近几年来在多种语言处理任务上取得了突出成就，但是它在需要处理句子的任务（例如聚类或语义搜索）效率低下，因为它需要组合地评估许多句子对，这非常耗时。 而Sentence -BERT（SBERT）试图通过学习单个句子的语义表示来解决这一
原创
2021-06-29 10:41:35
595阅读
