网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
五、相似性搜索
1. 余弦相似度算法:cosineSimilarity
from elasticsearch import Elasticsearch
from transformers import BertTokenizer, BertModel
import torch
def embeddings\_doc(doc, tokenizer, model, max_length=300):
encoded_dict = tokenizer.encode_plus(
doc,
add_special_tokens=True,
max_length=max_length,
padding='max\_length',
truncation=True,
return_attention_mask=True,
return_tensors='pt'
)
input_id = encoded_dict['input\_ids']
attention_mask = encoded_dict['attention\_mask']
# 前向传播
with torch.no_grad():
outputs = model(input_id, attention_mask=attention_mask)
# 提取最后一层的CLS向量作为文本表示
last_hidden_state = outputs.last_hidden_state
cls_embeddings = last_hidden_state[:, 0, :]
return cls_embeddings[0]
def search\_similar(index_name, query_text, tokenizer, model, es, top_k=3):
query_embedding = embeddings_doc(query_text, tokenizer, model)
print(query_embedding.tolist())
query = {
"query": {
"script\_score": {
"query": {"match\_all": {}},
"script": {
"source": "cosineSimilarity(params.queryVector, 'ask\_vector') + 1.0",
"lang": "painless",
"params": {
"queryVector": query_embedding.tolist()
}
}
}
},
"size": top_k
}
res = es.search(index=index_name, body=query)
hits = res['hits']['hits']
similar_documents = []
for hit in hits:
similar_documents.append(hit['\_source'])
return similar_documents
def main():
# 模型下载的地址
model_name = 'D:\\AIGC\\model\\chinese-roberta-wwm-ext-large'
# ES 信息
es_host = "http://127.0.0.1"
es_port = 9200
es_user = "elastic"
es_password = "elastic"
index_name = "medical\_index"
# 分词器和模型
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertModel.from_pretrained(model_name)
# ES 连接
es = Elasticsearch(
[es_host],
port=es_port,
http_auth=(es_user, es_password)
)
query_text = "我有高血压可以拿党参泡水喝吗"
similar_documents = search_similar(index_name, query_text, tokenizer, model, es)
for item in similar_documents:
print("================================")
print('ask:', item['ask'])
print('answer:', item['answer'])
if __name__ == '\_\_main\_\_':
main()
打印日志如下:
================================
ask: 我有高血压这两天女婿来的时候给我拿了些党参泡水喝,您好高血压可以吃党参吗?
answer: 高血压病人可以口服党参的。党参有降血脂,降血压的作用,可以彻底消除血液中的垃圾,从而对冠心病以及心血管疾病的患者都有一定的稳定预防工作作用,因此平时口服党参能远离三高的危害。另外党参除了益气养血,降低中枢神经作用,调整消化系统功能,健脾补肺的功能。感谢您的进行咨询,期望我的解释对你有所帮助。ask: 我准备过两天去看我叔叔,顺便带些人参,但是他有高血压,您好人参高血压可以吃吗?
answer: 人参有一定的调压作用,主要用来气虚体虚的患者,如果有气血不足,气短乏力,神经衰弱,神经衰弱健忘等不适症状的话,可以适当口服人参调养身体,但是对于高血压的病人,如果长期食用人参的话,可能会对血压引发一定影响,所以,比较好到医院中医科实施辨证论治调治,看如何适合食用人参。ask: 我妈妈有点高血压,比较近我朋友送了我一些丹参片,我想知道高血压能吃丹参片吗?
answer: 丹参片具备活血化瘀打通血管的作用可以致使血液粘稠度减低,所以就容易致使血管内血液供应便好防止出现血液粘稠,致使血压下降,所以对降血压是有一定帮助的,高血压患者是经常使用丹参片实施治疗的。可以预防,因为血液粘稠引来的冠心病心绞痛以及外周血管脑水肿症状。
2. 点积算法:dotProduct
计算给定查询向量和文档向量之间的点积度量。
from elasticsearch import Elasticsearch
from transformers import BertTokenizer, BertModel
import torch
def embeddings\_doc(doc, tokenizer, model, max_length=300):
encoded_dict = tokenizer.encode_plus(
doc,
add_special_tokens=True,
max_length=max_length,
padding='max\_length',
truncation=True,
return_attention_mask=True,
return_tensors='pt'
)
input_id = encoded_dict['input\_ids']
attention_mask = encoded_dict['attention\_mask']
# 前向传播
with torch.no_grad():
outputs = model(input_id, attention_mask=attention_mask)
# 提取最后一层的CLS向量作为文本表示
last_hidden_state = outputs.last_hidden_state
cls_embeddings = last_hidden_state[:, 0, :]
return cls_embeddings[0]
def search\_similar(index_name, query_text, tokenizer, model, es, top_k=3):
query_embedding = embeddings_doc(query_text, tokenizer, model)
print(query_embedding.tolist())
query = {
"query": {
"script\_score": {
"query": {"match\_all": {}},
"script": {
"source": "dotProduct(params.queryVector, 'ask\_vector')+1.0",
"lang": "painless",
"params": {
"queryVector": query_embedding.tolist()
}
}
}
},
"size": top_k
}
res = es.search(index=index_name, body=query)
hits = res['hits']['hits']
similar_documents = []
for hit in hits:
similar_documents.append(hit['\_source'])
return similar_documents
def main():
# 模型下载的地址
model_name = 'D:\\AIGC\\model\\chinese-roberta-wwm-ext-large'
# ES 信息
es_host = "http://127.0.0.1"
es_port = 9200
es_user = "elastic"
es_password = "elastic"
index_name = "medical\_index"
# 分词器和模型
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertModel.from_pretrained(model_name)
# ES 连接
es = Elasticsearch(
[es_host],
port=es_port,
http_auth=(es_user, es_password)
)
query_text = "我有高血压可以拿党参泡水喝吗"
similar_documents = search_similar(index_name, query_text, tokenizer, model, es)
for item in similar_documents:
print("================================")
print('ask:', item['ask'])
print('answer:', item['answer'])
if __name__ == '\_\_main\_\_':
main()
================================
ask: 我有高血压这两天女婿来的时候给我拿了些党参泡水喝,您好高血压可以吃党参吗?
answer: 高血压病人可以口服党参的。党参有降血脂,降血压的作用,可以彻底消除血液中的垃圾,从而对冠心病以及心血管疾病的患者都有一定的稳定预防工作作用,因此平时口服党参能远离三高的危害。另外党参除了益气养血,降低中枢神经作用,调整消化系统功能,健脾补肺的功能。感谢您的进行咨询,期望我的解释对你有所帮助。ask: 我准备过两天去看我叔叔,顺便带些人参,但是他有高血压,您好人参高血压可以吃吗?
answer: 人参有一定的调压作用,主要用来气虚体虚的患者,如果有气血不足,气短乏力,神经衰弱,神经衰弱健忘等不适症状的话,可以适当口服人参调养身体,但是对于高血压的病人,如果长期食用人参的话,可能会对血压引发一定影响,所以,比较好到医院中医科实施辨证论治调治,看如何适合食用人参。ask: 我妈妈有点高血压,比较近我朋友送了我一些丹参片,我想知道高血压能吃丹参片吗?
answer: 丹参片具备活血化瘀打通血管的作用可以致使血液粘稠度减低,所以就容易致使血管内血液供应便好防止出现血液粘稠,致使血压下降,所以对降血压是有一定帮助的,高血压患者是经常使用丹参片实施治疗的。可以预防,因为血液粘稠引来的冠心病心绞痛以及外周血管脑水肿症状。
3. L1曼哈顿距离:l1norm
计算给定查询向量和文档向量之间的L1距离。
from elasticsearch import Elasticsearch
from transformers import BertTokenizer, BertModel
import torch
def embeddings\_doc(doc, tokenizer, model, max_length=300):
encoded_dict = tokenizer.encode_plus(
doc,
add_special_tokens=True,
max_length=max_length,
padding='max\_length',
truncation=True,
return_attention_mask=True,
return_tensors='pt'
)
input_id = encoded_dict['input\_ids']
attention_mask = encoded_dict['attention\_mask']
# 前向传播
with torch.no_grad():
outputs = model(input_id, attention_mask=attention_mask)
# 提取最后一层的CLS向量作为文本表示
last_hidden_state = outputs.last_hidden_state
cls_embeddings = last_hidden_state[:, 0, :]
return cls_embeddings[0]
def search\_similar(index_name, query_text, tokenizer, model, es, top_k=3):
query_embedding = embeddings_doc(query_text, tokenizer, model)
print(query_embedding.tolist())
query = {
"query": {
"script\_score": {
"query": {"match\_all": {}},
"script": {
"source": "1 / (1 + l1norm(params.queryVector, doc['ask\_vector']))",
"lang": "painless",
"params": {
"queryVector": query_embedding.tolist()
}
}
}
},
"size": top_k
}
res = es.search(index=index_name, body=query)
hits = res['hits']['hits']
similar_documents = []
for hit in hits:
similar_documents.append(hit['\_source'])
return similar_documents
def main():
# 模型下载的地址
model_name = 'D:\\AIGC\\model\\chinese-roberta-wwm-ext-large'
# ES 信息
es_host = "http://127.0.0.1"
es_port = 9200
es_user = "elastic"
es_password = "elastic"
index_name = "medical\_index"
# 分词器和模型
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertModel.from_pretrained(model_name)
# ES 连接
es = Elasticsearch(
[es_host],
port=es_port,
http_auth=(es_user, es_password)
)
query_text = "我有高血压可以拿党参泡水喝吗"
similar_documents = search_similar(index_name, query_text, tokenizer, model, es)
for item in similar_documents:
print("================================")
print('ask:', item['ask'])
print('answer:', item['answer'])
if __name__ == '\_\_main\_\_':
main()
================================
ask: 我有高血压这两天女婿来的时候给我拿了些党参泡水喝,您好高血压可以吃党参吗?
answer: 高血压病人可以口服党参的。党参有降血脂,降血压的作用,可以彻底消除血液中的垃圾,从而对冠心病以及心血管疾病的患者都有一定的稳定预防工作作用,因此平时口服党参能远离三高的危害。另外党参除了益气养血,降低中枢神经作用,调整消化系统功能,健脾补肺的功能。感谢您的进行咨询,期望我的解释对你有所帮助。ask: 我准备过两天去看我叔叔,顺便带些人参,但是他有高血压,您好人参高血压可以吃吗?
answer: 人参有一定的调压作用,主要用来气虚体虚的患者,如果有气血不足,气短乏力,神经衰弱,神经衰弱健忘等不适症状的话,可以适当口服人参调养身体,但是对于高血压的病人,如果长期食用人参的话,可能会对血压引发一定影响,所以,比较好到医院中医科实施辨证论治调治,看如何适合食用人参。ask: 我妈妈有点高血压,比较近我朋友送了我一些丹参片,我想知道高血压能吃丹参片吗?
answer: 丹参片具备活血化瘀打通血管的作用可以致使血液粘稠度减低,所以就容易致使血管内血液供应便好防止出现血液粘稠,致使血压下降,所以对降血压是有一定帮助的,高血压患者是经常使用丹参片实施治疗的。可以预防,因为血液粘稠引来的冠心病心绞痛以及外周血管脑水肿症状。
4. l2 欧几里得距离:l2norm
计算给定查询向量和文档向量之间的欧几里德距离。
from elasticsearch import Elasticsearch
from transformers import BertTokenizer, BertModel
import torch
def embeddings\_doc(doc, tokenizer, model, max_length=300):
encoded_dict = tokenizer.encode_plus(
doc,
add_special_tokens=True,
max_length=max_length,
padding='max\_length',
truncation=True,
return_attention_mask=True,
return_tensors='pt'
)
input_id = encoded_dict['input\_ids']
attention_mask = encoded_dict['attention\_mask']
# 前向传播
with torch.no_grad():
outputs = model(input_id, attention_mask=attention_mask)
# 提取最后一层的CLS向量作为文本表示
last_hidden_state = outputs.last_hidden_state
cls_embeddings = last_hidden_state[:, 0, :]
return cls_embeddings[0]
def search\_similar(index_name, query_text, tokenizer, model, es, top_k=3):
query_embedding = embeddings_doc(query_text, tokenizer, model)
print(query_embedding.tolist())
query = {
"query": {
"script\_score": {
"query": {"match\_all": {}},
"script": {
"source": "1 / (1 + l2norm(params.queryVector, doc['ask\_vector']))",
"lang": "painless",
"params": {
"queryVector": query_embedding.tolist()
}
}
}
},
"size": top_k
}
res = es.search(index=index_name, body=query)
hits = res['hits']['hits']
similar_documents = []
for hit in hits:
similar_documents.append(hit['\_source'])
return similar_documents
def main():
# 模型下载的地址
model_name = 'D:\\AIGC\\model\\chinese-roberta-wwm-ext-large'
# ES 信息
es_host = "http://127.0.0.1"
es_port = 9200
es_user = "elastic"
es_password = "elastic"
index_name = "medical\_index"
# 分词器和模型
tokenizer = BertTokenizer.from_pretrained(model_name)
model = BertModel.from_pretrained(model_name)
# ES 连接
es = Elasticsearch(
[es_host],
port=es_port,
http_auth=(es_user, es_password)
)
query_text = "我有高血压可以拿党参泡水喝吗"
similar_documents = search_similar(index_name, query_text, tokenizer, model, es)
for item in similar_documents:
print("================================")
print('ask:', item['ask'])
print('answer:', item['answer'])
if __name__ == '\_\_main\_\_':
main()
================================
ask: 我有高血压这两天女婿来的时候给我拿了些党参泡水喝,您好高血压可以吃党参吗?
answer: 高血压病人可以口服党参的。党参有降血脂,降血压的作用,可以彻底消除血液中的垃圾,从而对冠心病以及心血管疾病的患者都有一定的稳定预防工作作用,因此平时口服党参能远离三高的危害。另外党参除了益气养血,降低中枢神经作用,调整消化系统功能,健脾补肺的功能。感谢您的进行咨询,期望我的解释对你有所帮助。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
都有一定的稳定预防工作作用,因此平时口服党参能远离三高的危害。另外党参除了益气养血,降低中枢神经作用,调整消化系统功能,健脾补肺的功能。感谢您的进行咨询,期望我的解释对你有所帮助。
================================
[外链图片转存中…(img-YGisVZtp-1715401717506)]
[外链图片转存中…(img-cfE1KR6s-1715401717507)]
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!