使用bert-service获取句向量和相似度计算

一、下载已训练好的模型

本文选择的是BERT-Base, Chinese：Chinese Simplified and Traditional, 12-layer, 768-hidden, 12-heads, 110M parameters
所有预训练模型：https://github.com/google-research/bert#pre-trained-models

二、下载bert-as-server

1、下载bert-server服务

pip install bert-serving-server   #server
pip install bert-serving-client   #client

2、启动服务

#bert-serving-start -model_dir /project/bert/chinese-L-12_H768_A-12 -num worker=4    #模型解压路径，可指定GPU使用数量
bert-serving-start -model_dir /project/bert/chinese-L-12_H768_A-12

3、bert-server-document

三、利用bert-as-server获取句子向量应用于QA系统

from bert_serving.client import BertClient
bc = BertClient()
sen_emb = bc.encode(["今天你感觉好些了吗"])  #return a ndarray (or List[List(float)])
print(sen_emb.shape)
print(sen_emb)

四、利用bert-as-server获取句子向量应用于文本相似度计算

# 导入bert客户端
from bert_serving.client import BertClient
import numpy as np


class SimilarModel:
    def __init__(self):
        # ip默认为本地模式，如果bert服务部署在其他服务器上，修改为对应ip
        self.bert_client = BertClient()

    def close_bert(self):
        self.bert_client.close()

    def get_sentence_vec(self,sentence):
        '''
        根据bert获取句子向量
        :param sentence:
        :return:
        '''
        return self.bert_client.encode([sentence])[0]

    def cos_similar(self,sen_a_vec, sen_b_vec):
        '''
        计算两个句子的余弦相似度
        :param sen_a_vec:
        :param sen_b_vec:
        :return:
        '''
        vector_a = np.mat(sen_a_vec)
        vector_b = np.mat(sen_b_vec)
        num = float(vector_a * vector_b.T)
        denom = np.linalg.norm(vector_a) * np.linalg.norm(vector_b)
        cos = num / denom
        return cos

if __name__=='__main__':
    # 从候选集condinates 中选出与sentence_a 最相近的句子
    condinates = ['为什么天空是蔚蓝色的','太空为什么是黑的？','天空怎么是蓝色的','明天去爬山如何']
    sentence_a = '天空为什么是蓝色的'
    bert_client = SimilarModel()
    max_cos_similar = 0
    most_similar_sentence = ''
    for sentence_b in condinates:
        sentence_a_vec = bert_client.get_sentence_vec(sentence_a)
        sentence_b_vec = bert_client.get_sentence_vec(sentence_b)
        cos_sim = bert_client.cos_similar(sentence_a_vec,sentence_b_vec)
        print('sentence_b_vec',cos_sim)
        if cos_sim > max_cos_similar:
            max_cos_similar = cos_sim
            most_similar_sentence = sentence_b

    print('最相似的句子：',most_similar_sentence)
    bert_client.close_bert()

output：
为什么天空是蔚蓝色的 0.9817470751381709
太空为什么是黑的？ 0.9311994519047564
天空怎么是蓝色的 0.9746721649911299
明天去爬山如何 0.8408672630644225
最相似的句子： 为什么天空是蔚蓝色的

参考文献：NLP-bert-as-service的简单使用