معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

An industrial-grade implementation of DSSM

ویژگی	مقدار
سیستم عامل	-
نام فایل	dssm-0.1.3
نام	dssm
نسخه کتابخانه	0.1.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Chiang97912
ایمیل نویسنده	chiang97912@gmail.com
آدرس صفحه اصلی	https://github.com/Chiang97912/dssm
آدرس اینترنتی	https://pypi.org/project/dssm/
مجوز	-

# DSSM An industrial-grade implementation of the paper: [Learning Deep Structured Semantic Models for Web Search using Clickthrough Data](https://dl.acm.org/citation.cfm?id=2505665) Latent semantic models, such as LSA, intend to map a query to its relevant documents at the semantic level where keyword-based matching often fails. DSSM project queries and documents into a common low-dimensional space where the relevance of a document given a query is readily computed as the distance between them. This model can be used as a search engine that helps people find out their desired document even with searching a query that: 1. is abbreviation of the document words; 2. changed the order of the words in the document; 3. shortened words in the document; 4. has typos; 5. has spacing issues. ## Install DSSM is dependent on PyTorch. Two ways to install DSSM: **Install DSSM from Pypi:** ``` pip install dssm ``` **Install DSSM from the Github source:** ``` git clone https://github.com/Chiang97912/dssm.git cd dssm python setup.py install ``` ## Usage ### Train ```python from dssm.model import DSSM queries = ['...'] # query list, words need to be segmented in advance, and tokens should be spliced with spaces. documents = ['...'] # document list, words need to be segmented in advance, and tokens should be spliced with spaces. model = DSSM('dssm-model', device='cuda:0', lang='en') model.fit(queries, documents) ``` ### Test ```python from dssm.model import DSSM from sklearn.metrics.pairwise import cosine_similarity text_left = '...' text_right = '...' model = DSSM('dssm-model', device='cpu') vectors = model.encode([text_left, text_right]) score = cosine_similarity([vectors[0]], [vectors[1]]) print(score) ``` ## Dependencies * `Python` version 3.6 * `Numpy` version 1.19.5 * `PyTorch` version 1.9.0

نیازمندی

مقدار	نام
>=1.9.0	torch
>=3.5	nltk
>=1.19.5	numpy
>=0.21.3	scikit-learn

نحوه نصب

نصب پکیج whl dssm-0.1.3:

pip install dssm-0.1.3.whl

نصب پکیج tar.gz dssm-0.1.3:

pip install dssm-0.1.3.tar.gz