理工酷

基于Pytorch的中文语义相似度匹配模型

运行环境：

python3.7 pytorch1.2 transformers2.5.1

数据集：

采用LCQMC数据（将一个句对进行分类，判断两个句子的语义是否相同（二分类任务）），因数据存在侵权嫌疑，故不提供下载，需要者可向官方提出数据申请http://icrc.hitsz.edu.cn/info/1037/1146.htm ，并将数据解压到data文件夹即可。

模型评测指标为：ACC，AUC以及预测总共耗时。

Embeding：

本项目输入都统一采用分字策略，故通过维基百科中文语料，训练了字向量作为Embeding嵌入。训练语料、向量模型以及词表，可通过百度网盘下载。 链接：https://pan.baidu.com/s/1qByw67GdFSj0Vt03GSF0qg 提取码：s830

模型文件：

本项目训练的模型文件（不一定最优，可通过超参继续调优），也可通过网盘下载。 链接：https://pan.baidu.com/s/1qByw67GdFSj0Vt03GSF0qg 提取码：s830

测试集结果对比：

部分模型，借鉴了 https://github.com/alibaba-edu/simple-effective-text-matching-pytorch https://github.com/pengshuang/Text-Similarity 等项目。

来源https://github.com/zhaogaofeng611/TextMatch