例子

Retrfrom sentence_transformers import SentenceTransformer

# 1. Load a pretrained Sentence Transformer model
model = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")

# The sentences to encode
sentences = [
    "The weather is lovely today.",
    "It's so sunny outside!",
    "He drove to the stadium.",
]

# 2. Calculate embeddings by calling model.encode()
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

# 3. Calculate the embedding similarities
similarities = model.similarity(embeddings, embeddings)
print(similarities)
# tensor([[1.0000, 0.6660, 0.1046],
#         [0.6660, 1.0000, 0.1411],
#         [0.1046, 0.1411, 1.0000]])

解读语法及说明用途

这段代码展示了使用 sentence-transformers 库进行文本向量化（Embedding）和计算句子相似度的经典标准流程。

以下是针对代码中每一行和各语法模块的详细解读：

1. 模块导入与模型实例化

from sentence_transformers import SentenceTransformer

• 语法要点：from ... import ... 语法，从第三方库 sentence_transformers 中导入核心类 SentenceTransformer。

# 1. Load a pretrained Sentence Transformer model
model = SentenceTransformer("sentence-transformers/all-MiniLM-L6-v2")

• 语法要点：类的实例化（Instantiation）。
• 含义：调用构造函数创建了一个 model 对象，传入的参数是 Hugging Face 上的预训练模型名称。如果是首次运行，库会自动从云端下载该模型的权重和分词器并在本地缓存。

2. 数据定义与特征编码

# The sentences to encode
sentences = [
    "The weather is lovely today.",
    "It's so sunny outside!",
    "He drove to the stadium.",
]

• 语法要点：定义了一个标准的 Python 列表（List），包含 3 个字符串元素。

# 2. Calculate embeddings by calling model.encode()
embeddings = model.encode(sentences)
print(embeddings.shape)
# [3, 384]

• 语法要点：

• model.encode(sentences)：调用实例方法 encode，接收字符串列表进行批量推理。

• embeddings.shape：访问输出对象的 shape 属性（默认返回 NumPy 数组或 PyTorch 张量的维度元组）。

• 结果含义：(3, 384) 表示编码生成了一个二维矩阵——3 行（对应输入的 3 个句子），每行有 384 个数值（该特定模型输出的稠密向量维度为 384 维）。

3. 相似度计算与矩阵输出

# 3. Calculate the embedding similarities
similarities = model.similarity(embeddings, embeddings)
print(similarities)

• 语法要点：

• model.similarity(a, b)：Sentence Transformers 内置的方法，用于计算两组向量之间的余弦相似度（Cosine Similarity）。

• 传入 (embeddings, embeddings) 表示让这 3 个句子的向量与自身做全量两两比对（Self-similarity）。

• 结果分析：

# tensor([[1.0000, 0.6660, 0.1046],
#         [0.6660, 1.0000, 0.1411],
#         [0.1046, 0.1411, 1.0000]])

• 输出为一个 \(3 \times 3\) 的对称张量（Tensor）：
• 对角线值（1.0000）：句子与自身的相似度，完全一致。
• 第 1 句与第 2 句（0.6660）：“天气很好”与“外面阳光明媚”，语义相近，得分较高。
• 第 1 句与第 3 句（0.1046）：“天气很好”与“他开车去体育场”，语义无关，得分接近于 0。