一、簡要說明

Bert火遍了2019，不少修行者躍躍欲試，然而訓練bert模型是一次很昂貴的過程，想簡單地先享受一下成果變得有些困難。幸而google已發布了一些預訓練好的模型，修行者可以通過一些捷徑輕松的使用bert模型構建自己的NLP應用，詳細可參考
https://github.com/google-research/bert#pre-trained-models
https://github.com/hanxiao/bert-as-service
本文將對文本句子進行向量編碼，通過文本相似度計算來說明其使用過程.

二、使用方式

bert-as-service的總體架構如下：

1、bert模型部署，是為服務端
2、bert請求調用服務，是為客戶端

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）下載并解壓.

3、啟動bert-serving-server

命令行輸入

bert-serving-start -model_dir 模型解壓路徑 

4、客戶端代碼使用

# 導入bert客戶端
from bert_serving.client import BertClient
import numpy as np


class SimilarModel:
    def __init__(self):
        # ip默認為本地模式，如果bert服務部署在其他服務器上，修改為對應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):
        '''
        計算兩個句子的余弦相似度
        :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 = ['為什么天空是蔚藍色的','太空為什么是黑的？','天空怎么是藍色的','明天去爬山如何']
    sentence_a = '天空為什么是藍色的'
    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()
    # 為什么天空是蔚藍色的