Keras 利用相似输出神经网络获得最佳匹配对的有效方法？

我正在尝试建立一个神经网络，对两对短文本（例如，stackexchange标题和正文）进行排序。以深度学习食谱为例，网络基本上如下所示：

所以我们有两个输入（标题和正文），嵌入它们，然后计算嵌入之间的余弦相似性。模型的输入为[标题，正文]，输出为[模拟]

现在我想要一个给定标题的最接近匹配的主体。我想知道是否有一种更有效的方法可以做到这一点，而不需要迭代每一对可能的（标题、正文）并计算相应的相似性？因为对于非常大的数据集，这是不可行的

---

非常感谢您的帮助

迭代每个可能的数据对确实不是很有效。相反，您可以使用您的模型提取标题和文本正文的所有嵌入内容，并将它们保存在数据库中（或者简单地保存在.npy文件中）。因此，您不使用模型来输出相似性分数，而是使用模型来输出嵌入（从嵌入层）

在推理时，您可以使用库进行有效的相似性搜索，例如。给定一个标题，你只需查找它的嵌入，然后在所有主体嵌入的整个嵌入空间中搜索，看看哪一个得分最高。我自己也使用过这种方法，能够在100毫秒内搜索到1百万个向量