我在使用句子转换器进行语义搜索，但有时它无法理解上下文含义并返回错误的结果，例如 BERT在意大利语上下文/语义搜索中的问题

默认情况下，句子的嵌入向量有78列，那么我该如何增加这个维度，以便它能更深入地理解上下文含义呢？

代码:

# 加载BERT模型from sentence_transformers import SentenceTransformermodel = SentenceTransformer('bert-base-nli-mean-tokens')# 设置语料库# 语料库是一个按句子分割的文档列表sentences = ['Absence of sanity',              'Lack of saneness',             'A man is eating food.',             'A man is eating a piece of bread.',             'The girl is carrying a baby.',             'A man is riding a horse.',             'A woman is playing violin.',             'Two men pushed carts through the woods.',             'A man is riding a white horse on an enclosed ground.',             'A monkey is playing drums.',             'A cheetah is running behind its prey.']# 每个句子被编码为一个78列的1-D向量sentence_embeddings = model.encode(sentences) ### 如何增加向量维度print('Sample BERT embedding vector - length', len(sentence_embeddings[0]))print('Sample BERT embedding vector - note includes negative values', sentence_embeddings[0])

回答：

遗憾的是，唯一有意义地增加嵌入维度的方法是重新训练模型。:(

然而，这可能不是你所需要的…也许你应该考虑微调一个模型:

我建议你查看一下来自UKPLabs的sentence-transformers。他们为超过100种语言提供了预训练的句子嵌入模型。最棒的是，你可以微调这些模型。

祝你好运！