BERT生成句向量bert-as-server

方法一：直接生成詞向量
其中extract_features.py文件爲bert句向量生成文件:

方法二：三行代碼直接生成句子向量
使用方式
bert-as-service的總體架構如下：

1、bert模型部署，是爲服務端
2、bert請求調用服務，是爲客戶端

使用方式如下：

1、環境準備

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

2、預訓練的模型下載
前往https://github.com/google-research/bert#pre-trained-models選擇模型（本文選擇中文模型）下載並解壓.

3、啓動bert-serving-server
命令行輸入

bert-serving-start -model_dir E:/chinese_L-12_H-768_A-12 -num_worker=2

其中，-model_dir 是預訓練模型的路徑，-num_worker 是線程數，表示同時可以處理多少個併發請求。

導入bert客戶端

from bert_serving.client import BertClient
import numpy as np


class SimilarModel:
    def __init__(self):
        # ip默認爲本地模式，如果bert服務部署在其他服務器上，修改爲對應ip
        self.bert_client = BertClient(ip='192.168.x.x')

    def close_bert(self):
        self.bert_client .close()

    def get_sentence_vec(self,sentence):
        '''
        根據bert獲取句子向量
        :param sentence:
        :return:
        '''
        return self.bert_client .encode([sentence])[0]

    def cos_similar(self,sen_a_vec, sen_b_vec):
        '''
        計算兩個句子的餘弦相似度
        :param sen_a_vec:
        :param sen_b_vec:
        :return:
        '''
        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

if __name__=='__main__':
    # 從候選集condinates 中選出與sentence_a 最相近的句子
    condinates = ['爲什麼天空是蔚藍色的','太空爲什麼是黑的？','天空怎麼是藍色的','明天去爬山如何']
    sentence_a = '天空爲什麼是藍色的'
    bert_client = SimilarModel()
    max_cos_similar = 0
    most_similar_sentence = ''
    for sentence_b in condinates:
        sentence_a_vec = bert_client .get_sentence_vec(sentence_a)
        sentence_b_vec = bert_client .get_sentence_vec(sentence_b)
        cos_similar = bert_client .cos_similar(sentence_a_vec,sentence_b_vec)
        if cos_similar > max_cos_similar:
            max_cos_similar = cos_similar
            most_similar_sentence = sentence_b

    print('最相似的句子：',most_similar_sentence)
    bert_client .close_bert()
    # 爲什麼天空是蔚藍色的

總結：Bert的輸出最終有兩個結果可用

sequence_output：維度【batch_size, seq_length, hidden_size】，這是訓練後每個token的詞向量。

pooled_output：維度是【batch_size, hidden_size】，每個sequence第一個位置CLS的向量輸出，用於分類任務。