nlp - 我可以使用 BERT 或 Doc2Vec 来比较可能不相关的单词列表吗？

Question

语境

我正在构建一个示例项目来匹配具有相似兴趣的用户。给定具有给定兴趣列表的任何两个用户，我想在这些用户之间创建一个相似度分数。似乎正确的方法是使用 NLP 将兴趣转换为向量，然后使用余弦相似度进行比较。

问题

我可以使用 BERT（例如：BERT as a service）或 Doc2Vec（例如：Gensim）为每个用户的兴趣列表创建一个向量吗？

例如： 的输入user_interests = ['python', 'photography', 'running']将产生一个代表所有用户兴趣的单个向量，然后可以使用余弦相似度将其与其他用户的向量进行比较。

我试图解决的一些关键点：

• 鉴于我正在尝试匹配两个用户，理想情况下，我希望创建一个相似度得分（例如：我还考虑将每个兴趣转换为自己的向量，然后比较个人兴趣，但这会导致任何人的多个相似度得分两个用户。我不确定接下来我会做什么。）
• 鉴于每个兴趣列表可能包含许多不相关的术语，例如：user_interests = ['python', 'photography', 'running']为完整的术语列表创建一个向量是否有意义？
• 与上述相同，BERT / Doc2Vec 是创建向量的有用模型吗？
• 我想为两个具有相关但不相等兴趣的用户保持较高的相似度分数，例如：user_interests_1 = ['python', 'photography', 'running']与user_interests_2 = ['coding', 'art', 'exercise']

标签： nlpdata-sciencecosine-similaritybert-language-modeldoc2vec