『NLP打卡营』实践课1:词向量应用展示
PaddleNLP词向量应用展示6.7日NLP直播打卡课开始啦直播链接请戳这里,每晚20:00-21:30????课程地址请戳这里????欢迎来课程QQ群(群号:973379845)交流吧~~词向量(Word embedding),即把词语表示成实数向量。“好”的词向量能体现词语直接的相近关系。词向量已经被证明可以提高NLP任务的性能,例如语法分析和情感分析。图1:词向量示意图PaddleNLP已
PaddleNLP词向量应用展示
6.7日NLP直播打卡课开始啦
欢迎来课程QQ群(群号:973379845)交流吧~~
词向量(Word embedding),即把词语表示成实数向量。“好”的词向量能体现词语直接的相近关系。词向量已经被证明可以提高NLP任务的性能,例如语法分析和情感分析。
PaddleNLP已预置多个公开的预训练Embedding,您可以通过使用paddlenlp.embeddings.TokenEmbedding
接口加载各种预训练Embedding。本篇教程将介绍paddlenlp.embeddings.TokenEmbedding
的使用方法,计算词与词之间的语义距离,并结合词袋模型获取句子的语义表示。
AI Studio平台默认安装了Paddle和PaddleNLP,并定期更新版本。 如需手动更新Paddle,可参考飞桨安装说明,安装相应环境下最新版飞桨框架。
使用如下命令确保安装最新版PaddleNLP:
!pip install --upgrade paddlenlp -i https://pypi.org/simple
Collecting paddlenlp
[?25l Downloading https://files.pythonhosted.org/packages/b0/7d/6c24cda54d018d350ee342f715523ade7871660444ed95f3d3e753d6f388/paddlenlp-2.0.8-py3-none-any.whl (571kB)
[K |████████████████████████████████| 573kB 6.1kB/s eta 0:00:02
[?25hRequirement already satisfied, skipping upgrade: colorlog in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from paddlenlp) (4.1.0)
Requirement already satisfied, skipping upgrade: seqeval in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from paddlenlp) (1.2.2)
Requirement already satisfied, skipping upgrade: multiprocess in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from paddlenlp) (0.70.11.1)
Requirement already satisfied, skipping upgrade: colorama in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from paddlenlp) (0.4.4)
Requirement already satisfied, skipping upgrade: h5py in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from paddlenlp) (2.9.0)
Requirement already satisfied, skipping upgrade: jieba in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from paddlenlp) (0.42.1)
Requirement already satisfied, skipping upgrade: numpy>=1.14.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from seqeval->paddlenlp) (1.20.3)
Requirement already satisfied, skipping upgrade: scikit-learn>=0.21.3 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from seqeval->paddlenlp) (0.24.2)
Requirement already satisfied, skipping upgrade: dill>=0.3.3 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from multiprocess->paddlenlp) (0.3.3)
Requirement already satisfied, skipping upgrade: six in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from h5py->paddlenlp) (1.15.0)
Requirement already satisfied, skipping upgrade: scipy>=0.19.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from scikit-learn>=0.21.3->seqeval->paddlenlp) (1.6.3)
Requirement already satisfied, skipping upgrade: threadpoolctl>=2.0.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from scikit-learn>=0.21.3->seqeval->paddlenlp) (2.1.0)
Requirement already satisfied, skipping upgrade: joblib>=0.11 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from scikit-learn>=0.21.3->seqeval->paddlenlp) (0.14.1)
Installing collected packages: paddlenlp
Found existing installation: paddlenlp 2.0.7
Uninstalling paddlenlp-2.0.7:
Successfully uninstalled paddlenlp-2.0.7
Successfully installed paddlenlp-2.0.8
加载TokenEmbedding
TokenEmbedding()
参数
embedding_name
将模型名称以参数形式传入TokenEmbedding,加载对应的模型。默认为w2v.baidu_encyclopedia.target.word-word.dim300
的词向量。unknown_token
未知token的表示,默认为[UNK]。unknown_token_vector
未知token的向量表示,默认生成和embedding维数一致,数值均值为0的正态分布向量。extended_vocab_path
扩展词汇列表文件路径,词表格式为一行一个词。如引入扩展词汇列表,trainable=True。trainable
Embedding层是否可被训练。True表示Embedding可以更新参数,False为不可更新。默认为True。
from paddlenlp.embeddings import TokenEmbedding
# 初始化TokenEmbedding, 预训练embedding未下载时会自动下载并加载数据
token_embedding = TokenEmbedding(embedding_name="w2v.baidu_encyclopedia.target.word-word.dim300")
# 查看token_embedding详情
print(token_embedding)
100%|██████████| 694483/694483 [00:16<00:00, 43193.81it/s]
[2021-08-30 23:22:15,063] [ INFO] - Loading token embedding...
[2021-08-30 23:22:28,380] [ INFO] - Finish loading embedding vector.
[2021-08-30 23:22:28,383] [ INFO] - Token Embedding info:
Unknown index: 635963
Unknown token: [UNK]
Padding index: 635964
Padding token: [PAD]
Shape :[635965, 300]
Object type: TokenEmbedding(635965, 300, padding_idx=635964, sparse=False)
Unknown index: 635963
Unknown token: [UNK]
Padding index: 635964
Padding token: [PAD]
Parameter containing:
Tensor(shape=[635965, 300], dtype=float32, place=CUDAPlace(0), stop_gradient=False,
[[-0.24200200, 0.13931701, 0.07378800, ..., 0.14103900, 0.05592300, -0.08004800],
[-0.08671700, 0.07770800, 0.09515300, ..., 0.11196400, 0.03082200, -0.12893000],
[-0.11436500, 0.12201900, 0.02833000, ..., 0.11068700, 0.03607300, -0.13763499],
...,
[ 0.02628800, -0.00008300, -0.00393500, ..., 0.00654000, 0.00024600, -0.00662600],
[ 0.01583252, 0.00106852, 0.03301431, ..., -0.01322692, 0.00171776, -0.03516584],
[ 0. , 0. , 0. , ..., 0. , 0. , 0. ]])
认识一下Embedding
TokenEmbedding.search()
获得指定词汇的词向量。
test_token_embedding = token_embedding.search("中国")
print(test_token_embedding)
[[ 0.260801 0.1047 0.129453 -0.257317 -0.16152 0.19567 -0.074868
0.361168 0.245882 -0.219141 -0.388083 0.235189 0.029316 0.154215
-0.354343 0.017746 0.009028 0.01197 -0.121429 0.096542 0.009255
0.039721 0.363704 -0.239497 -0.41168 0.16958 0.261758 0.022383
-0.053248 -0.000994 -0.209913 -0.208296 0.197332 -0.3426 -0.162112
0.134557 -0.250201 0.431298 0.303116 0.517221 0.243843 0.022219
-0.136554 -0.189223 0.148563 -0.042963 -0.456198 0.14546 -0.041207
0.049685 0.20294 0.147355 -0.206953 -0.302796 -0.111834 0.128183
0.289539 -0.298934 -0.096412 0.063079 0.324821 -0.144471 0.052456
0.088761 -0.040925 -0.103281 -0.216065 -0.200878 -0.100664 0.170614
-0.355546 -0.062115 -0.52595 -0.235442 0.300866 -0.521523 -0.070713
-0.331768 0.023021 0.309111 -0.125696 0.016723 -0.0321 -0.200611
0.057294 -0.128891 -0.392886 0.423002 0.282569 -0.212836 0.450132
0.067604 -0.124928 -0.294086 0.136479 0.091505 -0.061723 -0.577495
0.293856 -0.401198 0.302559 -0.467656 0.021708 -0.088507 0.088322
-0.015567 0.136594 0.112152 0.005394 0.133818 0.071278 -0.198807
0.043538 0.116647 -0.210486 -0.217972 -0.320675 0.293977 0.277564
0.09591 -0.359836 0.473573 0.083847 0.240604 0.441624 0.087959
0.064355 -0.108271 0.055709 0.380487 -0.045262 0.04014 -0.259215
-0.398335 0.52712 -0.181298 0.448978 -0.114245 -0.028225 -0.146037
0.347414 -0.076505 0.461865 -0.105099 0.131892 0.079946 0.32422
-0.258629 0.05225 0.566337 0.348371 0.124111 0.229154 0.075039
-0.139532 -0.08839 -0.026703 -0.222828 -0.106018 0.324477 0.128269
-0.045624 0.071815 -0.135702 0.261474 0.297334 -0.031481 0.18959
0.128716 0.090022 0.037609 -0.049669 0.092909 0.0564 -0.347994
-0.367187 -0.292187 0.021649 -0.102004 -0.398568 -0.278248 -0.082361
-0.161823 0.044846 0.212597 -0.013164 0.005527 -0.004024 0.176243
0.237274 -0.174856 -0.197214 0.150825 -0.164427 -0.244255 -0.14897
0.098907 -0.295891 -0.013408 -0.146875 -0.126049 0.033235 -0.133444
-0.003258 0.082053 -0.162569 0.283657 0.315608 -0.171281 -0.276051
0.258458 0.214045 -0.129798 -0.511728 0.198481 -0.35632 -0.186253
-0.203719 0.22004 -0.016474 0.080321 -0.463004 0.290794 -0.003445
0.061247 -0.069157 -0.022525 0.13514 0.001354 0.011079 0.014223
-0.079145 -0.41402 -0.404242 -0.301509 0.036712 0.037076 -0.061683
-0.202429 0.130216 0.054355 0.140883 -0.030627 -0.281293 -0.28059
-0.214048 -0.467033 0.203632 -0.541544 0.183898 -0.129535 -0.286422
-0.162222 0.262487 0.450505 0.11551 -0.247965 -0.15837 0.060613
-0.285358 0.498203 0.025008 -0.256397 0.207582 0.166383 0.669677
-0.067961 -0.049835 -0.444369 0.369306 0.134493 -0.080478 -0.304565
-0.091756 0.053657 0.114497 -0.076645 -0.123933 0.168645 0.018987
-0.260592 -0.019668 -0.063312 -0.094939 0.657352 0.247547 -0.161621
0.289043 -0.284084 0.205076 0.059885 0.055871 0.159309 0.062181
0.123634 0.282932 0.140399 -0.076253 -0.087103 0.07262 ]]
TokenEmbedding.cosine_sim()
计算词向量间余弦相似度,语义相近的词语余弦相似度更高,说明预训练好的词向量空间有很好的语义表示能力。
score1 = token_embedding.cosine_sim("女孩", "女人")
score2 = token_embedding.cosine_sim("女孩", "书籍")
print('score1:', score1)
print('score2:', score2)
score1: 0.7017183
score2: 0.19189896
词向量映射到低维空间
使用深度学习可视化工具VisualDL的High Dimensional组件可以对embedding结果进行可视化展示,便于对其直观分析,步骤如下:
- 升级 VisualDL 最新版本。
pip install --upgrade visualdl
-
创建LogWriter并将记录词向量。
-
点击左侧面板中的可视化tab,选择‘token_hidi’作为文件并启动VisualDL可视化
!pip install --upgrade visualdl
Looking in indexes: https://mirror.baidu.com/pypi/simple/
Requirement already up-to-date: visualdl in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (2.2.0)
Requirement already satisfied, skipping upgrade: flake8>=3.7.9 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (3.8.2)
Requirement already satisfied, skipping upgrade: numpy in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (1.20.3)
Requirement already satisfied, skipping upgrade: Pillow>=7.0.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (7.1.2)
Requirement already satisfied, skipping upgrade: shellcheck-py in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (0.7.1.1)
Requirement already satisfied, skipping upgrade: protobuf>=3.11.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (3.14.0)
Requirement already satisfied, skipping upgrade: Flask-Babel>=1.0.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (1.0.0)
Requirement already satisfied, skipping upgrade: requests in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (2.22.0)
Requirement already satisfied, skipping upgrade: pandas in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (1.1.5)
Requirement already satisfied, skipping upgrade: matplotlib in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (2.2.3)
Requirement already satisfied, skipping upgrade: pre-commit in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (1.21.0)
Requirement already satisfied, skipping upgrade: six>=1.14.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (1.15.0)
Requirement already satisfied, skipping upgrade: flask>=1.1.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (1.1.1)
Requirement already satisfied, skipping upgrade: bce-python-sdk in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from visualdl) (0.8.53)
Requirement already satisfied, skipping upgrade: mccabe<0.7.0,>=0.6.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flake8>=3.7.9->visualdl) (0.6.1)
Requirement already satisfied, skipping upgrade: importlib-metadata; python_version < "3.8" in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flake8>=3.7.9->visualdl) (0.23)
Requirement already satisfied, skipping upgrade: pyflakes<2.3.0,>=2.2.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flake8>=3.7.9->visualdl) (2.2.0)
Requirement already satisfied, skipping upgrade: pycodestyle<2.7.0,>=2.6.0a1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flake8>=3.7.9->visualdl) (2.6.0)
Requirement already satisfied, skipping upgrade: pytz in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from Flask-Babel>=1.0.0->visualdl) (2019.3)
Requirement already satisfied, skipping upgrade: Jinja2>=2.5 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from Flask-Babel>=1.0.0->visualdl) (2.10.1)
Requirement already satisfied, skipping upgrade: Babel>=2.3 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from Flask-Babel>=1.0.0->visualdl) (2.8.0)
Requirement already satisfied, skipping upgrade: urllib3!=1.25.0,!=1.25.1,<1.26,>=1.21.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from requests->visualdl) (1.25.6)
Requirement already satisfied, skipping upgrade: idna<2.9,>=2.5 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from requests->visualdl) (2.8)
Requirement already satisfied, skipping upgrade: certifi>=2017.4.17 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from requests->visualdl) (2019.9.11)
Requirement already satisfied, skipping upgrade: chardet<3.1.0,>=3.0.2 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from requests->visualdl) (3.0.4)
Requirement already satisfied, skipping upgrade: python-dateutil>=2.7.3 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pandas->visualdl) (2.8.0)
Requirement already satisfied, skipping upgrade: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from matplotlib->visualdl) (2.4.2)
Requirement already satisfied, skipping upgrade: cycler>=0.10 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from matplotlib->visualdl) (0.10.0)
Requirement already satisfied, skipping upgrade: kiwisolver>=1.0.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from matplotlib->visualdl) (1.1.0)
Requirement already satisfied, skipping upgrade: identify>=1.0.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (1.4.10)
Requirement already satisfied, skipping upgrade: virtualenv>=15.2 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (16.7.9)
Requirement already satisfied, skipping upgrade: pyyaml in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (5.1.2)
Requirement already satisfied, skipping upgrade: cfgv>=2.0.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (2.0.1)
Requirement already satisfied, skipping upgrade: toml in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (0.10.0)
Requirement already satisfied, skipping upgrade: nodeenv>=0.11.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (1.3.4)
Requirement already satisfied, skipping upgrade: aspy.yaml in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from pre-commit->visualdl) (1.3.0)
Requirement already satisfied, skipping upgrade: Werkzeug>=0.15 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flask>=1.1.1->visualdl) (0.16.0)
Requirement already satisfied, skipping upgrade: itsdangerous>=0.24 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flask>=1.1.1->visualdl) (1.1.0)
Requirement already satisfied, skipping upgrade: click>=5.1 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from flask>=1.1.1->visualdl) (7.0)
Requirement already satisfied, skipping upgrade: future>=0.6.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from bce-python-sdk->visualdl) (0.18.0)
Requirement already satisfied, skipping upgrade: pycryptodome>=3.8.0 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from bce-python-sdk->visualdl) (3.9.9)
Requirement already satisfied, skipping upgrade: zipp>=0.5 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from importlib-metadata; python_version < "3.8"->flake8>=3.7.9->visualdl) (0.6.0)
Requirement already satisfied, skipping upgrade: MarkupSafe>=0.23 in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from Jinja2>=2.5->Flask-Babel>=1.0.0->visualdl) (1.1.1)
Requirement already satisfied, skipping upgrade: setuptools in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from kiwisolver>=1.0.1->matplotlib->visualdl) (56.2.0)
Requirement already satisfied, skipping upgrade: more-itertools in /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages (from zipp>=0.5->importlib-metadata; python_version < "3.8"->flake8>=3.7.9->visualdl) (7.2.0)
# 获取词表中前1000个单词
labels = token_embedding.vocab.to_tokens(list(range(0, 1000)))
# 取出这1000个单词对应的Embedding
test_token_embedding = token_embedding.search(labels)
# 引入VisualDL的LogWriter记录日志
from visualdl import LogWriter
with LogWriter(logdir='./token_hidi') as writer:
writer.add_embeddings(tag='test', mat=[i for i in test_token_embedding], metadata=labels)
启动VisualDL查看词向量降维效果
启动步骤:
- 1、切换到「可视化」指定可视化日志
- 2、日志文件选择 ‘token_hidi’
- 3、点击「启动VisualDL」后点击「打开VisualDL」,选择「高维数据映射」,即可查看词表中前1000词UMAP方法下映射到三维空间的可视化结果:
可以看出,语义相近的词在词向量空间中聚集(如数字、章节等),说明预训练好的词向量有很好的文本表示能力。
使用VisualDL除可视化embedding结果外,还可以对标量、图片、音频等进行可视化,有效提升训练调参效率。关于VisualDL更多功能和详细介绍,可参考VisualDL使用文档。
基于TokenEmbedding衡量句子语义相似度
在许多实际应用场景(如文档检索系统)中, 需要衡量两个句子的语义相似程度。此时我们可以使用词袋模型(Bag of Words,简称BoW)计算句子的语义向量。
首先,将两个句子分别进行切词,并在TokenEmbedding中查找相应的单词词向量(word embdding)。
然后,根据词袋模型,将句子的word embedding叠加作为句子向量(sentence embedding)。
最后,计算两个句子向量的余弦相似度。
基于TokenEmbedding的词袋模型
使用BoWEncoder
搭建一个BoW模型用于计算句子语义。
paddlenlp.TokenEmbedding
组建word-embedding层paddlenlp.seq2vec.BoWEncoder
组建句子建模层
import paddle
import paddle.nn as nn
import paddlenlp
class BoWModel(nn.Layer):
def __init__(self, embedder):
super().__init__()
self.embedder = embedder
emb_dim = self.embedder.embedding_dim
self.encoder = paddlenlp.seq2vec.BoWEncoder(emb_dim)
self.cos_sim_func = nn.CosineSimilarity(axis=-1)
def get_cos_sim(self, text_a, text_b):
text_a_embedding = self.forward(text_a)
text_b_embedding = self.forward(text_b)
cos_sim = self.cos_sim_func(text_a_embedding, text_b_embedding)
return cos_sim
def forward(self, text):
# Shape: (batch_size, num_tokens, embedding_dim)
embedded_text = self.embedder(text)
# Shape: (batch_size, embedding_dim)
summed = self.encoder(embedded_text)
return summed
model = BoWModel(embedder=token_embedding)
构造Tokenizer
使用TokenEmbedding词表构造Tokenizer。
from data import Tokenizer
tokenizer = Tokenizer()
tokenizer.set_vocab(vocab=token_embedding.vocab)
相似句对数据读取
以提供的样例数据text_pair.txt为例,该数据文件每行包含两个句子。
text_pairs = {}
with open("text_pair.txt", "r", encoding="utf8") as f:
for line in f:
text_a, text_b = line.strip().split("\t")
if text_a not in text_pairs:
text_pairs[text_a] = []
text_pairs[text_a].append(text_b)
查看相似语句相关度
for text_a, text_b_list in text_pairs.items():
text_a_ids = paddle.to_tensor([tokenizer.text_to_ids(text_a)])
for text_b in text_b_list:
text_b_ids = paddle.to_tensor([tokenizer.text_to_ids(text_b)])
print("text_a: {}".format(text_a))
print("text_b: {}".format(text_b))
print("cosine_sim: {}".format(model.get_cos_sim(text_a_ids, text_b_ids).numpy()[0]))
print()
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 多项式矩阵的左共轭积及其应用
cosine_sim: 0.8861939311027527
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 退化阻尼对高维可压缩欧拉方程组经典解的影响
cosine_sim: 0.7975839972496033
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: Burgers方程基于特征正交分解方法的数值解法研究
cosine_sim: 0.8188782930374146
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 有界对称域上解析函数空间的若干性质
cosine_sim: 0.8041478395462036
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 基于卷积神经网络的图像复杂度研究与应用
cosine_sim: 0.7444740533828735
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: Cartesian发射机中线性功率放大器的研究
cosine_sim: 0.7536822557449341
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: CFRP加固WF型梁侧扭屈曲的几何非线性有限元分析
cosine_sim: 0.7569295167922974
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 基于线性CCD自适应成像的光刻机平台调平方法研究
cosine_sim: 0.7360575199127197
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 基于变分贝叶斯理论的图像复原方法研究
cosine_sim: 0.703528642654419
text_a: 多项式矩阵左共轭积对偶Sylvester共轭和数学算子完备参数解
text_b: 网格资源分配中混合并行蚁群算法方式研究
cosine_sim: 0.7051175832748413
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 中心式停车信息系统若干问题的研究
cosine_sim: 0.7886503338813782
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 视觉导航区域交通智能车辆(CyberCar)系统研究
cosine_sim: 0.829286515712738
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 需求侧参与输电阻塞管理的模型与算法研究
cosine_sim: 0.7751573324203491
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 基于云服务的智能家居系统的研究与设计
cosine_sim: 0.7706088423728943
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 环境水质在线监测系统智能主节点的研究与设计
cosine_sim: 0.7765443325042725
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 配电网故障自动处理算法的研究及软件开发
cosine_sim: 0.7553257346153259
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 基于GeoMedia的高速公路监控系统的研究与开发
cosine_sim: 0.7752845287322998
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 基于Java的模块化环境空气质量自动监测系统的研究与设计
cosine_sim: 0.7682429552078247
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 边检预检预录系统建设及关键技术研究
cosine_sim: 0.7789141535758972
text_a: 停车信息系统路径诱导最佳路径车位占有率城市交通智能交通
text_b: 基于多技术的路面积水监测预警系统的设计与实现
cosine_sim: 0.786091685295105
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 服务企业竞争力决定因素与提升策略研究
cosine_sim: 0.9679124355316162
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 提升我国分析仪器产业竞争力的技术创新战略研究
cosine_sim: 0.8394900560379028
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 国有润滑油企业市场开发策略研究
cosine_sim: 0.8289149403572083
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 基于成功要素的企业ERP实施事前评估研究
cosine_sim: 0.8313823342323303
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 环境扫描对企业竞争优势的影响研究--以电子信息行业为例
cosine_sim: 0.819678008556366
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 浦发银行信用卡产品的营销策略研究
cosine_sim: 0.8035648465156555
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 我国出口企业的竞争战略研究
cosine_sim: 0.8111945390701294
text_a: 服务企业企业竞争力决定因素提升策略
text_b: BMP公司供应商绩效指标体系的改进与实施
cosine_sim: 0.8070746660232544
text_a: 服务企业企业竞争力决定因素提升策略
text_b: P公司企业管理人员选拔任用体系研究
cosine_sim: 0.7709954380989075
text_a: 服务企业企业竞争力决定因素提升策略
text_b: 高管性别结构、内部制衡与企业技术创新——基于我国创业板上市企业的实证研究
cosine_sim: 0.7996143102645874
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于混沌映射的数字水印技术研究
cosine_sim: 0.8693468570709229
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于卷积神经网络的图像复杂度研究与应用
cosine_sim: 0.7896828055381775
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于图像内容的关键帧检测及VLSI实现
cosine_sim: 0.7778637409210205
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于局部特征的多光谱与全色图像融合算法研究
cosine_sim: 0.767861008644104
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于嵌入式系统的人脸识别算法研究及其优化
cosine_sim: 0.7534339427947998
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于多特征融合和图割模型的遥感影像云检测算法研究
cosine_sim: 0.7445380091667175
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于动态符号执行的模糊测试方法研究
cosine_sim: 0.7624107599258423
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于交通流增长特性的复杂网络演化建模研究
cosine_sim: 0.7177398204803467
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 基于变分贝叶斯理论的图像复原方法研究
cosine_sim: 0.7515047192573547
text_a: 数字水印混沌映射版权保护序列密码小波变换
text_b: 混沌控制和构造延迟混沌系统及应用的研究
cosine_sim: 0.7224641442298889
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 汽车车架焊接结构强度和可靠性分析
cosine_sim: 0.9300000071525574
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 基于天线传感器的FRP-钢结构典型损伤监测方法研究
cosine_sim: 0.8614771366119385
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 有限元强度折减法对抗滑桩加固边坡的优化分析研究
cosine_sim: 0.8551021218299866
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 弹性地基上周期梁板的隔振性能研究
cosine_sim: 0.8129113912582397
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: SIGMA冷弯薄壁型钢构件畸变屈曲的理论研究
cosine_sim: 0.8349928855895996
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 梁拱组合刚构桥极限承载力分析与研究
cosine_sim: 0.8384045362472534
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: CFRP加固WF型梁侧扭屈曲的几何非线性有限元分析
cosine_sim: 0.8475692868232727
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 典型缺陷真型电容式玻璃钢套管电气特征参量测试实验研究
cosine_sim: 0.8169711828231812
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 基于ABB机器人的结构光视觉引导焊缝跟踪技术的研究
cosine_sim: 0.8116077780723572
text_a: 有限元分析汽车车架焊缝危险部位寿命预测结构强度
text_b: 紊流风场中大跨度桥梁非线性气动稳定性研究
cosine_sim: 0.8290622234344482
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 石墨烯与导电聚合物复合材料的制备以及在超级电容器方面的应用
cosine_sim: 0.9174647331237793
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 碳纤维布增强聚酰亚胺基复合材料的制备及其力学和摩擦学性能研究
cosine_sim: 0.8334881067276001
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 石墨烯/硅橡胶复合材料的制备及压阻特性研究
cosine_sim: 0.8532387614250183
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 功能化碳纳米管在染料敏化太阳能电池对电极中的应用
cosine_sim: 0.8149941563606262
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 高介电常数铝阳极复合氧化膜制备技术的研究
cosine_sim: 0.8407770991325378
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 导电生物可降解聚酯/CNT纤维在神经再生中的研究
cosine_sim: 0.7808730006217957
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 二维MXene/镍基复合材料制备及其电化学性能研究
cosine_sim: 0.8231980204582214
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: g--C3N4基复合材料的制备及其光催化性能研究
cosine_sim: 0.8199219703674316
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 无溶剂厚膜型环氧涂料的制备及其防腐性能的研究
cosine_sim: 0.7865082025527954
text_a: 石墨烯导电聚合物复合材料超级电容器
text_b: 并五苯分子的手性自组装和单层薄膜的结构相变
cosine_sim: 0.7806115746498108
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于多层结构的业务框架平台
cosine_sim: 0.8621766567230225
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于BPR的管理信息系统开发与应用
cosine_sim: 0.8834707736968994
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于BIM的MEP管线综合知识库构建与可视化研究
cosine_sim: 0.8088276982307434
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于J2EE的网上书店电子商务应用框架的研究和设计
cosine_sim: 0.7907760143280029
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于数字地球平台的中国世界遗产展示平台的设计与实现
cosine_sim: 0.7291862964630127
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 面向组件技术的综合决策支持系统及其商业应用
cosine_sim: 0.8238190412521362
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 在信息管理系统(MIS)平台上进行医学科研项目管理的应用研究
cosine_sim: 0.8326855301856995
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于云服务的智能家居系统的研究与设计
cosine_sim: 0.7771636247634888
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于PPP模式的W市政道路工程风险管理研究
cosine_sim: 0.8238110542297363
text_a: 企业管理管理信息系统多层结构框架平台
text_b: 基于TD专网移动互联系统及应用的设计与实现
cosine_sim: 0.7881161570549011
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 纳米CT三维图像处理分析方法及其应用的研究
cosine_sim: 0.8609817624092102
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于线性CCD自适应成像的光刻机平台调平方法研究
cosine_sim: 0.8503317832946777
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 固体中缺陷的超声散射计算与测量技术研究
cosine_sim: 0.851497232913971
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于多特征融合和图割模型的遥感影像云检测算法研究
cosine_sim: 0.810841977596283
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于卷积神经网络的图像复杂度研究与应用
cosine_sim: 0.8153170943260193
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 微纳米结构非线性静动力学分析及其应用
cosine_sim: 0.8153881430625916
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于碳纳米管的流体器件设计
cosine_sim: 0.8579443097114563
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于局部特征的多光谱与全色图像融合算法研究
cosine_sim: 0.8263983726501465
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于嵌入式系统的人脸识别算法研究及其优化
cosine_sim: 0.8055837750434875
text_a: 纳米CT成像三维图像处理固体氧化物燃料电池多孔材料最优阈值算法边缘检测算法
text_b: 基于TCAD的VDMOS功率器件仿真研究
cosine_sim: 0.8186865448951721
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 在化学实验教学中培养高师学生的问题意识
cosine_sim: 0.9479962587356567
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 职校计算机专业课有效教学的实践研究
cosine_sim: 0.8796619176864624
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 新课程理念下的高中数学分层教学的实践与研究
cosine_sim: 0.8497046828269958
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 信息技术课对提高中学生科学素养的准实验研究
cosine_sim: 0.8377702832221985
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 形象思维理论指导高中物理教学实践的研究
cosine_sim: 0.881083071231842
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 关于初中生数学归纳能力培养的理论与实践研究
cosine_sim: 0.8202964663505554
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 分层教学在生物教学中的初步探索
cosine_sim: 0.8521156311035156
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 课堂教学资源分配的社会学分析--以乌鲁木齐市民、汉学生同班的班级为例
cosine_sim: 0.8144686222076416
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 班级管理对学习动力影响的研究--中小学班级管理中班委会轮值制的效果分析研究
cosine_sim: 0.8174723386764526
text_a: 化学实验教学高师学生问题意识教学策略
text_b: 目标设置在高三物理教学中应用的研究
cosine_sim: 0.8291122913360596
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 互联网互动问答社区产品盈利模式选择研究
cosine_sim: 0.9369736909866333
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 移动互联网时代下网易新闻客户端竞争战略研究
cosine_sim: 0.7940398454666138
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 浦发银行信用卡产品的营销策略研究
cosine_sim: 0.8403613567352295
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 当前我国电视娱乐节目品牌经营的策略研究
cosine_sim: 0.8390090465545654
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 服务企业竞争力决定因素与提升策略研究
cosine_sim: 0.817277729511261
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 基于创新的中国广告产业演化研究
cosine_sim: 0.7780816555023193
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 高管性别结构、内部制衡与企业技术创新——基于我国创业板上市企业的实证研究
cosine_sim: 0.7984799742698669
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 环境扫描对企业竞争优势的影响研究--以电子信息行业为例
cosine_sim: 0.7852761149406433
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 高管团队特征对公司绩效的影响——以我国新三板教育行业公司为例
cosine_sim: 0.802983283996582
text_a: 互联网企业互动问答社区产品盈利模式经营策略商业价值
text_b: 国有润滑油企业市场开发策略研究
cosine_sim: 0.8262609243392944
使用VisualDL查看句子向量
# 引入VisualDL的LogWriter记录日志
import numpy as np
from visualdl import LogWriter
# 获取句子以及其对应的向量
label_list = []
embedding_list = []
for text_a, text_b_list in text_pairs.items():
text_a_ids = paddle.to_tensor([tokenizer.text_to_ids(text_a)])
embedding_list.append(model(text_a_ids).flatten().numpy())
label_list.append(text_a)
for text_b in text_b_list:
text_b_ids = paddle.to_tensor([tokenizer.text_to_ids(text_b)])
embedding_list.append(model(text_b_ids).flatten().numpy())
label_list.append(text_b)
with LogWriter(logdir='./sentence_hidi') as writer:
writer.add_embeddings(tag='test', mat=embedding_list, metadata=label_list)
启动VisualDL观察句子向量降维效果
步骤如上述观察词向量降维效果一模一样。
可以看出,语义相近的句子在句子向量空间中聚集(如有关课堂的句子、有关化学描述句子等)。
作业
更换TokenEmbedding预训练模型,使用VisualDL查看相应的TokenEmbedding可视化效果,并尝试更换后的TokenEmbedding计算句对语义相似度。
本作业详细步骤,可参考Day01作业教程,记得star PaddleNLP,收藏起来,随时跟进最新功能噢。
作业结果提交:
- 截图提交可视化结果(图片注明作业可视化结果)。
- 通篇执行每段代码,并保留执行结果。
PaddleNLP更多预训练词向量
PaddleNLP提供61种可直接加载的预训练词向量,训练自多领域中英文语料、如百度百科、新闻语料、微博等,覆盖多种经典词向量模型(word2vec、glove、fastText)、涵盖不同维度、不同语料库大小,详见PaddleNLP Embedding API。
预训练词向量辅助分类任务
想学习词向量更多应用,来试试预训练词向量对分类模型的改善效果吧,这里 试试把paddle.nn.Embedding
换成刚刚学到的预训练词向量吧。
加入课程交流群,一起学习吧
现在就加入课程群,一起交流NLP技术吧!
还没有报名课程?赶紧戳这里,课程、作业安排统统在课程区哦👉🏻
更多推荐
所有评论(0)