BERT预训练模型简单应用（中文句子向量相关性分析）

╰+攻爆jí腚メ 2022-10-30 00:33 187阅读 0赞

**目录**

一、BERT简单认识

二、Google BERT以及中文模型下载

1、Google BERT源码下载

2、bert-as-server 框架下载

3、中文预训练模型下载

三、bert生成中文句子向量

1、启动BERT服务

2、中文句子向量编码

四、cosine相似度计算

五、完整实验代码

--------------------

# 一、BERT简单认识 #

Google BERT预训练模型在深度学习、NLP领域的应用已经十分广泛了，在文本分类任务达到很好的效果。相比传统的词嵌入word2vec、golve，使用bert预训练得到的效果有更好地提升。

这篇不会很深入复杂地分析bert的原理以及高级应用，而是从零开始，定位于初学者对BERT的简单认识和应用，使用bert框架 bert-as-server（CS架构）。

# 二、Google BERT以及中文模型下载 #

## 1、Google BERT源码下载 ##

Google BERT的完整源码下载地址：[https://github.com/google-research/bert][https_github.com_google-research_bert]

官方给出BERT的解释：

> BERT是一种预先训练语言表示的方法，这意味着我们在一个大型文本语料库(如Wikipedia)上训练一个通用的“语言理解”模型，然后将该模型用于我们关心的下游NLP任务(如回答问题)。BERT优于以前的方法，因为它是第一个无监督的，深度双向的预训练自然语言处理系统。

源码的应用在以后学习过程可以进一步研究，现在入门阶段可以使用框架更加简单。

## 2、bert-as-server 框架下载 ##

pip install bert-serving-server   #server
    pip install bert-serving-client   #client

## 3、中文预训练模型下载 ##

google下载地址：[https://storage.googleapis.com/bert\_models/2018\_11\_03/chinese\_L-12\_H-768\_A-12.zip][https_storage.googleapis.com_bert_models_2018_11_03_chinese_L-12_H-768_A-12.zip]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NoYXJ6b3Vz_size_16_color_FFFFFF_t_70][]

哈工大下载地址：[https://pan.iflytek.com/link/A2483AD206EF85FD91569B498A3C3879][https_pan.iflytek.com_link_A2483AD206EF85FD91569B498A3C3879] （**密码0****7****Xj**）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NoYXJ6b3Vz_size_16_color_FFFFFF_t_70 1][]

解压之后文件目录如下，包括bert配置文件、预训练模型和词汇表。

![20210216152235423.png][]

# 三、bert生成中文句子向量 #

## 1、启动BERT服务 ##

bert-serving-start -model_dir D:\PyCharm_Project\bert-use-demo-master\chinese_bert_chinese_wwm_L-12_H-768_A-12 -max_batch_size 10 -max_seq_len 20 -num_worker 1

文件目录为上一步解压的中文预训练模型，参数可以自行设置。

启动成功效果：

![20210216152554126.gif][]

## 2、中文句子向量编码 ##

from bert_serving.client import BertClient
    import numpy as np
    
    
    
    def main():
        bc = BertClient()
        doc_vecs = bc.encode(['今天天空很蓝，阳光明媚', '今天天气好晴朗', '现在天气如何', '自然语言处理', '机器学习任务'])
    
        print(doc_vecs)
    
    
    if __name__ == '__main__':
        main()

得到每个句子的向量表示为：

\[\[ 0.9737132 -0.0289975 0.23281255 ... 0.21432212 -0.1451838  
\-0.26555032\]  
\[ 0.57072604 -0.2532929 0.13397914 ... 0.12190636 0.35531974  
\-0.2660934 \]  
\[ 0.33702925 -0.27623484 0.33704653 ... -0.14090805 0.48694345  
0.13270345\]  
\[ 0.00974528 -0.04629223 0.48822984 ... -0.24558026 0.09809375  
\-0.08697749\]  
\[ 0.29680184 0.13963464 0.30706868 ... 0.05395972 -0.4393276  
0.17769393\]\]

# 四、cosine相似度计算 #

def cos_similar(sen_a_vec, sen_b_vec):
        '''
        计算两个句子的余弦相似度
        '''
        vector_a = np.mat(sen_a_vec)
        vector_b = np.mat(sen_b_vec)
        num = float(vector_a * vector_b.T)
        denom = np.linalg.norm(vector_a) * np.linalg.norm(vector_b)
        cos = num / denom
        return cos

**实验结果：**

句子:

'今天天空很蓝，阳光明媚', '今天天气好晴朗'

相似度：0.9508827722696014

句子：

'自然语言处理', '机器学习任务'

相似度：0.9187518514435784

句子：

'今天天空很蓝，阳光明媚', '机器学习任务'

相似度：0.7653104788070156

# 五、完整实验代码 #

from bert_serving.client import BertClient
    import numpy as np
    
    
    def cos_similar(sen_a_vec, sen_b_vec):
        '''
        计算两个句子的余弦相似度
        '''
        vector_a = np.mat(sen_a_vec)
        vector_b = np.mat(sen_b_vec)
        num = float(vector_a * vector_b.T)
        denom = np.linalg.norm(vector_a) * np.linalg.norm(vector_b)
        cos = num / denom
        return cos
    
    
    def main():
        bc = BertClient()
        doc_vecs = bc.encode(['今天天空很蓝，阳光明媚', '今天天气好晴朗', '现在天气如何', '自然语言处理', '机器学习任务'])
    
        print(doc_vecs)
        similarity=cos_similar(doc_vecs[0],doc_vecs[4])
        print(similarity)
    
    
    if __name__ == '__main__':
        main()

这篇简单介绍了BERT的基本应用，使用bert框架对中文句子进行编码，生成句子向量，同时可以进行句子语义的相关性分析。

可以看到BERT的基础使用相对简单，这篇没有很深入复杂地分析bert的原理以及高级应用，而是从零开始，定位于初学者对BERT的简单认识和应用，使用bert框架 bert-as-server（CS架构），也算是为之后深入的学习研究做了一点基础功课。

**如果觉得不错欢迎“一键三连”哦，点赞收藏关注，有问题直接评论，交流学习！**

**我的CSDN博客：**[https://blog.csdn.net/Charzous/article/details/113824876][https_blog.csdn.net_Charzous_article_details_113824876]

[https_github.com_google-research_bert]: https://github.com/google-research/bert
[https_storage.googleapis.com_bert_models_2018_11_03_chinese_L-12_H-768_A-12.zip]: https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NoYXJ6b3Vz_size_16_color_FFFFFF_t_70]: /images/20221024/8ffe8f52674d4ac9b55e8454ae35fba2.png
[https_pan.iflytek.com_link_A2483AD206EF85FD91569B498A3C3879]: https://pan.iflytek.com/link/A2483AD206EF85FD91569B498A3C3879
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NoYXJ6b3Vz_size_16_color_FFFFFF_t_70 1]: /images/20221024/2f4c2b4c1af2411187920574c15451db.png
[20210216152235423.png]: /images/20221024/04e403ffb7184038a0cf6055984ab2bb.png
[20210216152554126.gif]: /images/20221024/47c7b7f437574fed90f41b24363c8828.png
[https_blog.csdn.net_Charzous_article_details_113824876]: https://blog.csdn.net/Charzous/article/details/113824876