更新中
最近更新时间：
2019-12-02 16:11:11
写在前面：
本人是喜欢这个方向的学生一枚，写文的目的意在记录自己所学，梳理自己的思路，同时share给在这个方向上一起努力的同学。写得不够专业的地方望批评指正，欢迎感兴趣的同学一起交流进步。
一、背景
二、基本概念
四、参考文献
一、背景
在很多NLP任务中，都涉及到语义相似度的计算，例如：
在搜索场景下（对话系统、问答系统、推理等），query和Doc的语义相似度；
feeds场景下Doc和Doc的语义相似度；
在各种分类任务，翻译场景下，都会涉及到语义相似度语义相似度的计算。
所以在学习的过程中，希望能够更系统的梳理一下这方面的方法。
二、基本概念
三、语义相似度计算方法
以下 1~4 均维基于向量空间模型的计算方法。
1. 内积法（Inner Product）
2. 余弦法（Cosine）
3. Dice 系数法（DiceCoefficient）
4. Jaccard 系数法（Jaccard Coefficient）
四、参考文献
深度学习解决NLP问题：语义相似度计算
![重新整理 .net core 实践篇————依赖注入应用[二]](https://www.kunjuke.com/file/css/thumb/2.jpg/280-180.jpg)
