使用bert 快速进行 词嵌入word2vec教程

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：
比如从 一个身份证 ocr 结果中， 输入 姓名 得到对应 人的名字
一想到这里， 为了能够从 姓名 这个词组 box 得到 人名 box 结果， 除了从相对位置入手，词语之间的关联性也是一个入手点。

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 BERT-Base, Chinese
   解压
2. 安装包：

pip install tensorflow-gpu==1.15
pip 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 BertClient
import numpy as np
bc = 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：
['First do it', 'then do it right'] : 0.92645866