本篇文章将介绍如何使用 NaturalLanguage 框架来对词句的相似性进行分析。文本相似性的分析在实际开发中应用很多,比如我们可以通过查找与用户输入相似的词来进行内容推荐。
分析语句的相似性需要进行大量的训练,NaturalLanguage 已经内置了许多语言的训练模型,使用非常方便。
1 - 文本相似性分析的示例
需要创建 NLEmbedding 实例来进行词句的相似性分析。例如:
let embedding = NLEmbedding.wordEmbedding(for: .english)!
let embedding2 = NLEmbedding.sentenceEmbedding(for: .english)!
复制代码
其中,使用 wordEmbedding 创建出的实例用来进行单词分析,sentenceEmbedding 创建出的实例用来进行句子分析。其参数设置所分析的语言,需要注意,并非所有语言都支持进行相似性分析。
下面示例代码演示了如何对单词,句子的相似性进行分析,并能够自动根据传入的单词来进行相近的词的推荐:
let label = UILabel(frame: CGRect(x: 0, y: 100, width: view.frame.width, height: 500))
label.numberOfLines = 0
label.text = ""
view.addSubview(label)
let word = "dog"
let word2 = "cat"
let word3 = "teacher"
// 计算单词间的矢量距离
let distance = embedding.distance(between: word, and: word2)
let distance2 = embedding.distance(between: word, and: word3)
label.text = label.text!.appending("单词1:\(word)\n单词2:\(word2)\n单词3:\(word3)")
label.text = label.text!.appending("\n\n单词1与单词2间的距离:\(distance)\n单词1与单词3间的距离:\(distance2)")
// 获取相似的词
embedding.enumerateNeighbors(for: word3, maximumCount: 5, using: { item, distance in
label.text = label.text!.appending("\n与单词3相近的词:\(item) - \(distance)")
return true
})
let sen = "Hello, Xiao."
let sen2 = "Hi, Xiao."
let sen3 = "My name is Xiao."
// 计算句子间的矢量距离
let distance3 = embedding2.distance(between: sen, and: sen2)
let distance4 = embedding2.distance(between: sen, and: sen3)
label.text = label.text!.appending("\n\n\n句子1:\(sen)\n句子2:\(sen2)\n句子3:\(sen3)")
label.text = label.text!.appending("\n\n句子1与句子2间的距离:\(distance3)\n句子1与句子3间的距离:\(distance4)")
复制代码
计算出的矢量距离越大,标明词句间的差异越大,即相似性越差。效果如下图所示:
通常矢量距离小于 1 的词句相似性较高。取值范围为 0-2 之间。
2 - 关于 NLEmbedding 类
要进行词句的相似性分析,需要 NLEmbedding 类来完成:
open class NLEmbedding : NSObject {
// 创建分析单词的实例
open class func wordEmbedding(for language: NLLanguage) -> NLEmbedding?
open class func wordEmbedding(for language: NLLanguage, revision: Int) -> NLEmbedding?
// 创建分析句子的实例
open class func sentenceEmbedding(for language: NLLanguage) -> NLEmbedding?
open class func sentenceEmbedding(for language: NLLanguage, revision: Int) -> NLEmbedding?
// 判断词汇表是否包含参数字符串
open func contains(_ string: String) -> Bool
// 向量空间维数
open var dimension: Int { get }
// 词汇表单词数量
open var vocabularySize: Int { get }
// 所使用的语言
open var language: NLLanguage? { get }
// 所使用的算法版本
open var revision: Int { get }
// 获取所支持的算法版本
open class func supportedRevisions(for language: NLLanguage) -> IndexSet
open class func supportedSentenceEmbeddingRevisions(for language: NLLanguage) -> IndexSet
// 当前默认的算法版本
open class func currentRevision(for language: NLLanguage) -> Int
open class func currentSentenceEmbeddingRevision(for language: NLLanguage) -> Int
// 计算两个字符串之间的向量距离
public func distance(between firstString: String, and secondString: String, distanceType: NLDistanceType = .cosine) -> NLDistance
// 计算参数字符串的空间向量数据
public func vector(for string: String) -> [Double]?
// 获取相似的词句,maxCount控制最大返回个数
public func enumerateNeighbors(for string: String, maximumCount maxCount: Int, distanceType: NLDistanceType = .cosine, using block: (String, NLDistance) -> Bool)
public func neighbors(for string: String, maximumCount maxCount: Int, distanceType: NLDistanceType = .cosine) -> [(String, NLDistance)]
// 通过空间向量数据来获取相似的词句
public func enumerateNeighbors(for vector: [Double], maximumCount maxCount: Int, distanceType: NLDistanceType = .cosine, using block: (String, NLDistance) -> Bool)
public func neighbors(for vector: [Double], maximumCount maxCount: Int, distanceType: NLDistanceType = .cosine) -> [(String, NLDistance)]
}
复制代码
其中 NLDistance 是 Double 类型的一个别名。直接使用这些 API 实际上并不能很好的支持中文,NaturalLanguage 也支持我们使用自定义的模型,关于模型的使用和训练,我们后面文章会再介绍。
完整的示例代码可以在如下地址找到:
https://github.com/ZYHshao/MachineLearnDemo
评论