one-hot句子向量 对比度增强

one-hot映射时，如何选取TOPN作为每一个词承载的word2vec的信息？

我们已经知道，对于这种例子：

怎么绑定手机号？

怎么关联手机号？

他们的相似度取决于绑定和关联这两个词如何相似。

#取top2词的相似度
vec_i = np.array([1,     0.73,  0.71,   0])
vec_j = np.array([0.71,  0.73,  1,     0.71])

dist = linalg.norm(vec_i - vec_j)
sim = 1.0 / (1.0 + dist)

print(sim)
0.549468959038795

#取top1词的相似度
vec_i = np.array([  1,   0.73,   0 ])
vec_j = np.array([ 0.71,  0 ,  1 ] )
dist = linalg.norm(vec_i - vec_j)
sim = 1.0 / (1.0 + dist)

print(sim)
0.44021580019602347

#取top3词的相似度
vec_i = np.array([  1,   0.73,  0.71,   0.69,    0])
vec_j = np.array([0.71,   0.668,   1,   0,   0.71])
dist = linalg.norm(vec_i - vec_j)
sim = 1.0 / (1.0 + dist)

print(sim)
0.48229348920534326

在这种情况下，选取TOP2相似度是最高的，可以很好的近似匹配。思想是，在取的TOPN尽可能少的情况下，让TOPN里，相同的词出现的尽可能多，有助于提高相似度。可是那对于不相似的句子呢？

我们应该让相似的句子，相似度更高，不相似的句子，相似度更低，拉开差距。

方案一：按照原来的TOP3+similarity

             怎么     怎样     如何    怎么样    支付    付款    微信支付     收款     打印     打    印    打出
怎么支付      [ 1,     0.85,   0.83,   0.70,    1,     0.77,  0.72,      0.67,    0,      0,    0,    0]
如何支付      [0.83,    0.87,    1,    0.63,     1,     0.77,  0.72,     0.67,    0,      0,    0,    0]
如何打印      [0.83,    0.87,    1,    0.63,    0,        0,     0,        0,     1,    0.78,  0.69,   0.69]

怎么支付-如何支付=0.7992345674654612
如何支付-如何打印=0.3064740995892663
怎么支付-如何打印=0.3051741090737826

方案二：如果两个句子之间，映射完之后有相同词的，相似度保留，如果没有相同词，那么就令那个词为1，这样可以有效的拉开相似度句子，和不相似的句子之间的相似度差距。

              怎么     怎样     如何    怎么样    支付    付款    微信支付     收款     打印     打    印    打出

怎么支付      [ 1,     0.85,   0.83,   0.70,    1,     0.77,  0.72,      0.67,    0,      0,    0,    0]

如何支付      [0.83,    0.87,    1,    0.63,    0,       0,     0,        0,      1,      1,     1,   1]
（这是第一对）

               怎么     怎样     如何    怎么样    支付    付款    微信支付     收款     打印     打    印    打出

如何支付        [0.83,    0.87,    1,    0.63,     1,       1,     1,        1,    0,      0,    0,    0]

如何打印        [0.83,    0.87,    1,    0.63,    0,        0,     0,        0,     1,      1,    1,   1]

             怎么     怎样     如何    怎么样    支付    付款    微信支付     收款     打印     打    印    打出

怎么支付      [ 1,     0.85,   0.83,   0.70,    1,     0.77,  0.72,      0.67,    0,      0,    0,    0]

如何打印      [0.83,    0.87,    1,    0.63,    0,        0,     0,        0,     1,    0.78,  0.69,   0.69]

怎么支付-如何支付=0.7992345674654612
如何支付-如何打印=0.2612038749637414
怎么支付-如何打印=0.26044652136360963

结果：明显的降低了不同意思的句子之间的差距，对于不同的句子之间，进行了相似度对比增强。对于原本就很相似的句子，影响不大。

不过如果我们要这么做，需要多做一步，就是对于已经生成的两个句子向量做比对，将没有同时出现的词，做1值处理。
而且具体效果，需要我们实际测试才知道。