XLNet embedded-as-serviceを使用して、2 つの同じ文のベクトルを計算しました。ただし、モデルは 2 つの同じ文の両方に対して異なるベクトル埋め込みを生成するため、コサイン類似度は 1 ではなく、ユークリッド距離も 0 ではありません。BERT の場合、正常に動作します。例えば; もしも
vec1 = en.encode(texts=['he is anger'],pooling='reduce_mean')
vec2 = en.encode(texts=['he is anger'],pooling='reduce_mean')
モデル (XLNet) は、これら 2 つの文が似ていないと言っています。