update readme.

This commit is contained in:
shibing624 2022-03-08 20:20:41 +08:00
parent a121c3e0d1
commit b304ac0d1a

View File

@ -8,14 +8,15 @@
[![Wechat Group](http://vlog.sfyc.ltd/wechat_everyday/wxgroup_logo.png?imageView2/0/w/60/h/20)](#Contact)
# Similarities
Similarities is a toolkit for similarity calculation and semantic search, supports text and image.
Similarities is a toolkit for similarity calculation and semantic search, supports text and image.
similarities相似度计算、语义匹配搜索工具包。
**similarities** 实现了多种相似度计算、匹配搜索算法支持文本、图像python3开发pip安装开箱即用。
**Guide**
- [Feature](#Feature)
- [Install](#install)
- [Usage](#usage)
@ -30,8 +31,8 @@ similarities相似度计算、语义匹配搜索工具包。
- 余弦相似Cosine Similarity两向量求余弦
- 点积Dot Product两向量归一化后求内积
- [RankBM25](similarities/literalsim.py)BM25的变种算法对query和文档之间的相似度打分得到docs的rank排序
- [SemanticSearch](https://github.com/shibing624/similarities/blob/main/similarities/similarity.py#L99)向量相似检索使用Cosine Similarty + topk高效计算比一对一暴力计算快一个数量级
- [SemanticSearch](https://github.com/shibing624/similarities/blob/main/similarities/similarity.py#L99)向量相似检索使用Cosine
Similarty + topk高效计算比一对一暴力计算快一个数量级
# Demo
@ -42,6 +43,7 @@ HuggingFace Demo: https://huggingface.co/spaces/shibing624/text2vec
![](docs/hf.png)
# Install
```
pip3 install torch # conda install pytorch
pip3 install -U similarities
@ -59,13 +61,12 @@ python3 setup.py install
### 1. 文本语义相似度计算
```shell
>>> from similarities import Similarity
```python
from similarities import Similarity
>>> m = Similarity("shibing624/text2vec-base-chinese")
>>> r = m.similarity('如何更换花呗绑定银行卡', '花呗更改绑定银行卡')
>>> print(f"similarity score: {r:.4f}")
similarity score: 0.8551
m = Similarity("shibing624/text2vec-base-chinese")
r = m.similarity('如何更换花呗绑定银行卡', '花呗更改绑定银行卡')
print(f"similarity score: {r:.4f}") # similarity score: 0.8551
```
> 余弦值`score`范围是[-1, 1],值越大越相似。
@ -74,8 +75,7 @@ similarity score: 0.8551
一般在文档候选集中找与query最相似的文本常用于QA场景的问句相似匹配、文本相似检索等任务。
中文示例[examples/base_demo.py](./examples/base_demo.py)
example: [examples/base_demo.py](./examples/base_demo.py)
```python
import sys
@ -115,6 +115,7 @@ for i in model.most_similar(q, topn=5):
```
output:
```shell
如何更换花呗绑定银行卡 vs 花呗更改绑定银行卡, score: 0.8551
...
@ -139,25 +140,25 @@ query: 如何更换花呗绑定银行卡
(3, '暴风雨掩埋了东北部新泽西16英寸的降雪', 0.21666759252548218)
(2, '俄罗斯警告乌克兰反对欧盟协议', 0.1450251191854477)
```
> 余弦`score`的值范围[-1, 1]值越大表示该query与corpus的文本越相似。
英文示例[examples/base_english_demo.py](./examples/base_english_demo.py)
#### 英文语义相似度计算和匹配搜索
example: [examples/base_english_demo.py](./examples/base_english_demo.py)
### 3. 快速近似语义匹配搜索
支持Annoy、Hnswlib的近似语义匹配搜索常用于百万数据集的匹配搜索任务。
示例[examples/fast_sim_demo.py](./examples/fast_sim_demo.py)
example: [examples/fast_sim_demo.py](./examples/fast_sim_demo.py)
### 4. 基于字面的文本相似度计算和匹配搜索
支持同义词词林Cilin、知网Hownet、词向量WordEmbedding、Tfidf、SimHash、BM25等算法的相似度计算和字面匹配搜索常用于文本匹配冷启动。
示例[examples/literal_sim_demo.py](./examples/literal_sim_demo.py)
example: [examples/literal_sim_demo.py](./examples/literal_sim_demo.py)
```python
from similarities.literalsim import SimHashSimilarity, TfidfSimilarity, BM25Similarity, \
@ -175,6 +176,7 @@ print(m.most_similar('刘若英是演员'))
```
output:
```shell
如何更换花呗绑定银行卡 花呗更改绑定银行卡 sim score: 0.8203384355246909
@ -185,7 +187,7 @@ output:
支持[CLIP](similarities/imagesim.py)、pHash、SIFT等算法的图像相似度计算和匹配搜索。
示例[examples/image_demo.py](./examples/image_demo.py)
example: [examples/image_demo.py](./examples/image_demo.py)
```python
import sys
@ -206,33 +208,36 @@ print(r)
```
output:
```shell
0.9579
[(6, 'data/image1.png', 1.0), (0, 'data/image12-like-image1.png', 0.9579654335975647), (4, 'data/image8-like-image1.png', 0.9326782822608948), ... ]
```
![image_sim](docs/image_sim.png)
# Contact
- Issue(建议)[![GitHub issues](https://img.shields.io/github/issues/shibing624/similarities.svg)](https://github.com/shibing624/similarities/issues)
- Issue(建议)
[![GitHub issues](https://img.shields.io/github/issues/shibing624/similarities.svg)](https://github.com/shibing624/similarities/issues)
- 邮件我xuming: xuming624@qq.com
- 微信我:
加我*微信号xuming624, 备注:姓名-公司-NLP* 进NLP交流群。
- 微信我: 加我*微信号xuming624, 备注:姓名-公司-NLP* 进NLP交流群。
<img src="docs/wechat.jpeg" width="200" />
# Citation
如果你在研究中使用了similarities请按如下格式引用
APA:
```
Xu, M. Similarities: Compute similarity score for humans (Version 0.0.4) [Computer software]. https://github.com/shibing624/similarities
```
BibTeX:
```
@software{Xu_Similarities_Compute_similarity,
author = {Xu, Ming},
@ -244,19 +249,19 @@ version = {0.0.4}
# License
授权协议为 [The Apache License 2.0](/LICENSE)可免费用做商业用途。请在产品说明中附加similarities的链接和授权协议。
# Contribute
项目代码还很粗糙,如果大家对代码有所改进,欢迎提交回本项目,在提交之前,注意以下两点:
- 在`tests`添加相应的单元测试
- 使用`python setup.py test`来运行所有单元测试,确保所有单测都是通过的
- 在`tests`添加相应的单元测试
- 使用`python setup.py test`来运行所有单元测试,确保所有单测都是通过的
之后即可提交PR。
# Reference
- [A Simple but Tough-to-Beat Baseline for Sentence Embeddings[Sanjeev Arora and Yingyu Liang and Tengyu Ma, 2017]](https://openreview.net/forum?id=SyK00v5xx)
- [liuhuanyong/SentenceSimilarity](https://github.com/liuhuanyong/SentenceSimilarity)
- [shibing624/text2vec](https://github.com/shibing624/text2vec)