Nlp 如何聚类关键字或获得关键字相似性时，我有他们的向量

我用Pickle方法（通过Bert as服务和Google的预训练模型）将python字典存储为向量文件，如下所示：

（键）短语：（值）短语向量从 女布：1.3237-2.6354 1.7458

但我不知道如何像使用Gensim Word2Vec一样，从Bert as服务模型中获得短语与向量文件的相似性，因为后者配备了.similarity方法

你能给我一个建议，让短语/关键词相似性，或者用我的python Pickle字典向量文件对它们进行聚类吗

或者，是否有更好的方法将关键字作为服务进行聚类

以下代码显示如何获取短语/关键字的向量：

import Myutility
# the file Myutility includes the function save_model and load_model

import BertCommand
# the file Bertcommand includes the function to start Bert-as-service 
  client

WORD_PATH = 'E:/Works/testwords.txt'
WORD_FEATURE = 'E:/Works/word.google.vector'

word_vectors = {}

with open(WORD_PATH) as f:
    lines = f.readlines()
    for line in lines:
        line = line.strip('\n')
        if line:                
            word = line
            print(line)
            word_vectors[word]=None

for word in word_vectors:
    try:
        v = bc.encode([word])
        word_vectors[word] = v
    except:
        pass

save_model(word_vectors,WORD_FEATURE)

---

如果我理解的很好，你还有每个短语的向量

然后，您可以简单地计算两个短语向量之间的余弦相似性

有关更多详细信息和实现（手动实现和sklearn实现），我建议使用以下链接：