update test case.

README.md

@@ -26,11 +26,39 @@ similarities：相似度计算、语义匹配搜索工具包。
 
 # Feature
 
-### 文本相似度比较方法
-
+### 文本相似度计算
 - 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
+- 汉明距离（Hamming Distance），编辑距离（Levenshtein Distance），欧氏距离（Euclidean Distance），曼哈顿距离（Manhattan Distance）等
+
+#### 语义模型
+- BERT模型（文本向量表征）
+- SentenceBERT文本匹配模型
+- CoSENT文本匹配模型
+
+#### 字面模型
+- Word2Vec文本浅层语义表征
+- 同义词词林
+- 知网Hownet义原匹配
+- BM25、RankBM25
+- TFIDF
+- SimHash
+
+### 图像相似度计算
+#### 语义模型
+- [CLIP(Contrastive Language-Image Pre-Training)](similarities/imagesim.py)
+- VGG(doing)
+- ResNet(doing)
+
+#### 特征提取
+- pHash, dHash, wHash, aHash
+- SIFT, Scale Invariant Feature Transform(SIFT)
+- SURF, Speeded Up Robust Features(SURF)(doing)
+
+### 图文相似度计算
+- [CLIP(Contrastive Language-Image Pre-Training)](similarities/imagesim.py)
+
+### 匹配搜索
 - [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
 
@@ -363,4 +391,5 @@ version = {1.0.1}
 - [liuhuanyong/SentenceSimilarity](https://github.com/liuhuanyong/SentenceSimilarity)
 - [shibing624/text2vec](https://github.com/shibing624/text2vec)
 - [qwertyforce/image_search](https://github.com/qwertyforce/image_search)
-- [ImageHash - Official Github repository](https://github.com/JohannesBuchner/imagehash)
+- [ImageHash - Official Github repository](https://github.com/JohannesBuchner/imagehash)
+- [openai/CLIP](https://github.com/openai/CLIP)

tests/test_text_qps.py

@@ -144,17 +144,18 @@ class QPSSimTestCase(unittest.TestCase):
         b = sents2[:100]
         r = m.similarity(a, b)
         for i in range(len(a)):
-            print(r[i][i], labels[i])
+            print(r[i], labels[i])
         spend_time = time() - t1
         print('[sim] spend time:', spend_time, ' seconds, count:', len(a), ', qps:', len(a) / spend_time)
         m.add_corpus(sents2)
         t1 = time()
-        size = 100
+        size = 20
         r = m.most_similar(sents1[:size], topn=5)
         # print(r)
         spend_time = time() - t1
         print('[search] spend time:', spend_time, ' seconds, count:', size, ', qps:', size / spend_time)
         self.assertTrue(len(r) > 0)
 
+
 if __name__ == '__main__':
     unittest.main()