文本匹配一直是自然语言处理（NLP）领域一个基础且重要的方向，一般研究两段文本之间的关系。文本相似度计算、自然语言推理、 问答系统、信息检索等，都可以看作针对不同数据和场景的文本匹配应用。
这些自然语言处理任务在很大程度上都可以抽象成文本匹配问题， 比如信息检索可以归结为搜索词和文档资源的匹配，问答系统可以归结为问题和候选答案的匹配，复述问题可以归结为两个同义句的匹配。
文本匹配任务数据每一个样本通常由两个文本组成（query，title）。类别形式为 0 或 1，0 表示 query 与 title 不匹配； 1 表示匹配。
文本匹配的常规解决方案，具体如下:
- 基于单塔 Point-wise 范式的语义匹配模型: 模型精度高、计算复杂度高, 适合直接进行语义匹配 2 分类的应用场景。
- 基于单塔 Pair-wise 范式的语义匹配模型: 模型精度高、计算复杂度高, 对文本相似度大小的序关系（ranking）建模能力更强，适合将相似度特征作为上层排序模块输入特征的应用场景。
- 基于双塔 Point-wise 范式的语义匹配模型: 模型计算复杂度更高，适合对延时要求高、根据语义相似度进行粗排的应用场景。
| Notebook | Description | |
|---|---|---|
| 05_text_matching/01_词粒度文本匹配.ipynb | 基于字面和word2vec的词文本匹配 |  |
| 05_text_matching/02_句粒度文本匹配.ipynb | SentenceBert的句子相似度计算 | |
| 05_text_matching/03_篇章粒度文本匹配.ipynb | LDA主题提取做Doc相似度计算 | |
- sbert.py 展示了如何使用以 SBert 为代表的模型Fine-tune完成文本匹配任务。
- simcse.py 展示了如何使用SimCSE模型完成文本匹配任务。
- sbert_paraphrase_mining.py 支持中文的相似文本挖掘。