基于人工智能句子相似度判断文本错误的方法2021.9.6

基于人工智能句子相似度判断文本错误的方法

人工智能分支自然语言处理的文本句子相似度度量方法以后很成熟，通过相似度在关键字不同距离的截取词组，形成多个维度的句子相似度打分，并进行超平面切割分类，考虑实际的文本大小、算力、速度等，记录数据，实施数循环方法，进行可视化分析和优化。

一、句子相似度

1、句子相似度：腾讯、百度、python

2、图书、CSDN

二、多维度超平面分类、软硬判断的数值视角、多维度

1、一些例子：多维度、超平面分类

2、我们的多维度思考：算力、计算速度、准确性

3、软硬判断的数值视角：

4、更多维度的头脑风暴：章节、类型、人。。。。

三、验证和调参方法：黑盒、可视化

1、黑盒：事后人为判断

2、可视化：数值记录。数循环。

一、

1、句子相似度：腾讯、百度、python

二、

1、

2、

3、

4、

三、准确性、调参的黑盒和可视化。

1、每个月多少个文件？文件有多少句话？要不要分组？算力、速度够不够？

2、相似度匹配单个还是混合精确度高？哪个精确的高？

3、哪些维度是强相关，算力、速度、精确的要求范围？

4、评价、数据打标签量影响学习准确率。

5、延伸到其他场景

6、