文本向量—使用bert预训练模型获取中文的词向量

使用了肖涵博士的bert-as-service，详情请参考https://github.com/hanxiao/bert-as-service

1、使用的环境python=3.6，tensorflow=1.13.2，tensorflow版本不能太高，2.x不支持bert-as-service。
安装需要的包：

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

2、同时还需要下载训练好的Bert中文模型：https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip
3、然后在终端命令进入bert-serving-start.exe所在的文件夹，这个一般在python安装路径下的Scripts文件夹下，因为我使用的是anaconda的python，所以我的在/home/usrsvc/anaconda3/envs/bertVector/bin这个文件夹下。
4、命令行启动bert-as-service：

bert-serving-start -model_dir /data/bert_chinese_pretrainmodel/chinese_L-12_H-768_A-12 -num_worker=2 > /data/userhome/leijin/log/bert-log/bert.log

（下载好的中文模型路径，num_worker的数量可以自行选择）
最后，在pycharm编写如下代码：

from bert_serving.client import BertClient
bc = BertClient()
print(bc.encode(['北京'],['上海']))

这样就可以获取到词向量了！