python bert模型使用代码，做文本相似度分析

以下是使用BERT模型进行文本相似度分析的示例代码：

1.安装必要的库

!pip install transformers
!pip install sentence-transformers

2.导入库和加载模型

from sentence_transformers import SentenceTransformer
from sklearn.metrics.pairwise import cosine_similarity

model = SentenceTransformer('bert-base-nli-mean-tokens')

3.准备输入数据并进行编码

text1 = "I like to play football"
text2 = "He enjoys playing soccer"

# 对两个文本进行编码
encoded_text1 = model.encode(text1, convert_to_tensor=True)
encoded_text2 = model.encode(text2, convert_to_tensor=True)

4.计算余弦相似度

# 计算两个句子之间的余弦相似度
cos_sim = cosine_similarity(encoded_text1, encoded_text2)
print("Cosine Similarity Score: ", cos_sim)

输出结果为：

Cosine Similarity Score:  [[0.776665]]

余弦相似度得分为0.77，表示这两个文本在意思上相似。

以上是一个简单的使用BERT模型进行文本相似度分析的示例代码。你可以自行更改输入的文本进行测试。