小编Ano*_*ram的帖子

我使用XLNet embedding-as-service计算了两个相同句子的向量。但是该模型为两个相同的句子生成不同的向量嵌入，因此余弦相似度不为 1，欧几里得距离也不为 0。在 BERT 的情况下，它工作得很好。例如; 如果

vec1 = en.encode(texts=['he is anger'],pooling='reduce_mean')
vec2 = en.encode(texts=['he is anger'],pooling='reduce_mean')

模型（XLNet）表明这两个句子不相似。