Python发现了请求之间的相似之处

我正在进行一个项目来分析以前的请求，如果有新的请求，我需要匹配以前的请求，并使用为相同的请求提供的解决方案

例如：如果这些是以前的请求“Microsoft Inc的风险评级”、“九月份报告”等，如果新请求是“九月份报告”，我需要找到相似之处，并使用为一个匹配的以前请求提供的解决方案

---

我计划用Python实现。我遇到了这个实现算法——主题建模和word2vec。我的方向正确吗？

这取决于您需要解决方案的速度。如果速度不是问题，最准确的方法是使用一些预先训练好的上下文表示法，如

单词嵌入（比如word2vec）当然是一个好的、快速的解决方案。您只需要标记查询，查找表中的嵌入，计算平均值。您可能希望使用word2vec而不是word2vec。在计算单词向量时，它还考虑了字符n-grams，因此它可能对拼写错误更具鲁棒性。如果请求更长，平均值可能更高，因此您可能需要删除停止词

好的旧载体也可能很有用

---

主题建模（like）更适合于较长的文本。

我的印象是“句子嵌入”不是一件事

无论如何，这里有另一种方法你可以考虑。< /P> 以下是基于以下内容运行的示例：

[7]中的

：docs=[
…：“微软公司的风险评级”，
…：“微软评级”，
…：“9月份报告”，
…：“十月份报告”
...: ]   
In[10]：对于单据中的单据：
…：打印（“匹配文档”，文档，：”，fuzzyhash.distance(
…：fuzzyhash.fuzzyhash（“9月报告”），
…：fuzzyhash.fuzzyhash（doc）））
Microsoft Inc.的匹配文档风险评级：15
微软评级：17
9月份匹配单据报告：3
10月份的匹配单据报告：9

---

它正确地猜测最近的旧请求是“9月份报告”。

听起来不错。你也可以为完全相同的请求实现缓存，这样你就不会浪费时间。你需要训练一个模型来发现语义相似性吗？UMLFIT基于pretrain，您只需少量示例即可实现目标。@powerPixie是的，我需要根据以前的请求进行培训，如果有新的请求，我需要找到最接近的匹配项。请记住，教程请求与堆栈溢出无关。从官方关闭原因来看：要求我们推荐或查找书籍、工具、软件库、教程或其他非现场资源的问题对于堆栈溢出来说是离题的，因为它们往往会吸引固执己见的答案和垃圾邮件。