实施相似性搜索算法
来源:dev.to
2024-10-24 14:27:34
0浏览
收藏
哈喽!大家好,很高兴又见面了,我是golang学习网的一名作者,今天由我给大家带来一篇《实施相似性搜索算法》,本文主要会讲到等等知识点,希望大家一起学习进步,也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧!

获取数据
import pandas as pd
descripciones = [
'all users must reset passwords every 90 days.',
'passwords need to be reset by all users every 90 days.',
'admin access should be restricted.',
'passwords must change for users every 90 days.',
'passwords must change for users every 80 days.'
]
# cargar el dataset
data = pd.dataframe({
'rule_id': range(1, len(descripciones) + 1),
'description': descripciones
})
词汇相似度
from sklearn.feature_extraction.text import tfidfvectorizer
from sklearn.metrics.pairwise import cosine_similarity
!
# vectorización de las descripciones con tf-idf
vectorizer = tfidfvectorizer().fit_transform(data['description'])
# calcular la matriz de similitud de coseno
cosine_sim_matrix = cosine_similarity(vectorizer)
# crear un diccionario para almacenar las relaciones sin duplicados
def find_related_rules(matrix, rule_ids, threshold=0.8):
related_rules = {}
seen_pairs = set() # para evitar duplicados de la forma (a, b) = (b, a)
for i in range(len(matrix)):
related = []
for j in range(i + 1, len(matrix)): # j comienza en i + 1 para evitar duplicados
if matrix[i, j] >= threshold:
pair = (rule_ids[i], rule_ids[j])
if pair not in seen_pairs:
seen_pairs.add(pair)
related.append((rule_ids[j], round(matrix[i, j], 2)))
if related:
related_rules[rule_ids[i]] = related
return related_rules
# aplicar la función para encontrar reglas relacionadas
related_rules = find_related_rules(cosine_sim_matrix, data['rule_id'].tolist(), threshold=0.8)
# mostrar las reglas relacionadas
print("reglas relacionadas por similitud:")
for rule, relations in related_rules.items():
print(f"rule {rule} es similar a:")
for related_rule, score in relations:
print(f" - rule {related_rule} con similitud de {score}")
语义相似度
!pip install sentence-transformers
from sentence_transformers import SentenceTransformer, util
# Load the pre-trained model for generating embeddings
model = SentenceTransformer('all-MiniLM-L6-v2')
# Generate sentence embeddings for each rule description
embeddings = model.encode(data['Description'], convert_to_tensor=True)
# Compute the semantic similarity matrix
cosine_sim_matrix = util.cos_sim(embeddings, embeddings).cpu().numpy()
# Function to find related rules based on semantic similarity
def find_related_rules(matrix, rule_ids, threshold=0.8):
related_rules = {}
seen_pairs = set() # To avoid duplicates of the form (A, B) = (B, A)
for i in range(len(matrix)):
related = []
for j in range(i + 1, len(matrix)): # Only consider upper triangular matrix
if matrix[i, j] >= threshold:
pair = (rule_ids[i], rule_ids[j])
if pair not in seen_pairs:
seen_pairs.add(pair)
related.append((rule_ids[j], round(matrix[i, j], 2)))
if related:
related_rules[rule_ids[i]] = related
return related_rules
# Apply the function to find related rules
related_rules = find_related_rules(cosine_sim_matrix, data['Rule_ID'].tolist(), threshold=0.8)
# Display the related rules
print("Reglas relacionadas por similitud semántica:")
for rule, relations in related_rules.items():
print(f"Rule {rule} es similar a:")
for related_rule, score in relations:
print(f" - Rule {related_rule} con similitud de {score}")
到这里,我们也就讲完了《实施相似性搜索算法》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
版本声明
本文转载于:dev.to 如有侵犯,请联系study_golang@163.com删除
平板电脑光盘怎么放到电脑里?
- 上一篇
- 平板电脑光盘怎么放到电脑里?
- 下一篇
- 华硕手机怎么关闭飞行模式?
查看更多
最新文章
-
- 文章 · python教程 | 1天前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 1天前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 1天前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 1天前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 1天前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 1天前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 431次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 507次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 520次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 464次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 292次使用
查看更多
相关文章
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

