Forever

谢谢，已经理解了，这是按照回归的思想做的哇 ---原始邮件--- 发件人: "Liuyingnan0704" 发送时间: 2019年8月15日(星期四) 下午4:19 收件人: "yanqiangmiffy/sentence-similarity"; 抄送: "Author";"Forever"; 主题: Re: [yanqiangmiffy/sentence-similarity] 有关distance计算出来后得疑问 (#5) 我们训练的目的不就是为了让测试集中label=1的两个句子相似度变高吗？曼哈顿也好，余弦也好，既然trainset的label=1，我们就认为这两个句子是绝对相似的啊。。没什么问题。。 — You are receiving this because you authored the thread. Reply to this...

我的理解是两种思路一种是分类器，不需要最后那层相似度计算，直接分类。另一种是有相似度量，那这就是预测任务。初始标签0或者1表示认为标定相似度值 ---原始邮件--- 发件人: "Liuyingnan0704" 发送时间: 2019年8月15日(星期四) 下午5:39 收件人: "yanqiangmiffy/sentence-similarity"; 抄送: "Author";"Forever"; 主题: Re: [yanqiangmiffy/sentence-similarity] 有关distance计算出来后得疑问 (#5) 发现test也好，dev也好，并没有label啊。。一开始还在想，这test-acc是怎么测的。。去数据集网站才看到，是后来公布的测试集label（一个csv文件），根据数据来看是1w对的那个dev集，并不是testset的label，而且，是1w对的label都是0。。如果我说的对的话，那为什么每次evalute的结果都是不一样的呢？相似度的阈值时多少呢（大于多少认为是1呢）？。。等待作者解答。。 — You are receiving this because you authored the thread. Reply to this...