我有一个在多维向量空间中表示文档集合的模型。因此,例如,对于100k个文档,我的模型以300维向量的形式来表示它们。所以,最后,我得到一个大小为 [100K, 300]
. 为了根据与给定查询的相关性来检索这些文档,我进行矩阵乘法。例如,我将一个给定的查询表示为一个 [300, 1]
. 然后我用矩阵乘法得到余弦相似度分数,如下图所示。[100K, 300]*[300, 1] = [100K, 1]
. 现在我怎样才能从这个集合中检索出余弦相似度最高的前1000个文档。最简单的方法是根据余弦相似度进行排序,然后抓取前1000个文档。有没有什么方法可以用pytorch中的一些函数来检索这些文档?
我的意思是,如何从1D torch张量中获取最高1000个值的指数?p
一旦你有了点积后的相似度分数.你就可以得到前1000个指数,如下所示。
top_indices = torch.argsort(sims)[:1000]
similar_docs = sims[top_indices]
我想你要找的是 torch.topk
它将返回顶部 k
最大元素 values
和 indices
都有。例如
x = torch.arange(100).view(-1,1)
x.shape
torch.Size([100, 1])
value, indices = x.topk(k=10, dim=0)
value
tensor([[99],
[98],
[97],
[96],
[95],
[94],
[93],
[92],
[91],
[90]])
indices
tensor([[99],
[98],
[97],
[96],
[95],
[94],
[93],
[92],
[91],
[90]])