论文复现-4：ConSERT: A Contrastive Framework for Self-Supervised Sentence Representation Transfer

代码源文件：EmbeddingSimilarityEvaluator.py

文中的相似度测评距离

距离测评公式文章整理
相似度距离测评方法主要有：
余弦距离、曼哈顿距离、欧式距离、dot product

cosine_scores = 1 - (paired_cosine_distances(embeddings1, embeddings2))
manhattan_distances = -paired_manhattan_distances(embeddings1, embeddings2)# 一维范式
euclidean_distances = -paired_euclidean_distances(embeddings1, embeddings2)# 二维范式
dot_products = [np.dot(emb1, emb2) for emb1, emb2 in zip(embeddings1, embeddings2)]

相似度测评方法效果评估

使用了两种相关系数：pearson 相关系数和spearman相关系数

eval_pearson_cosine, _ = pearsonr(labels, cosine_scores)
eval_spearman_cosine, _ = spearmanr(labels, cosine_scores)

1. pearson 相关系数

2.spearman相关系数

原文链接：原文