Azure OpenAI text-embedding-ada-002模型负句相似度异常问题咨询

核心原因：模型定位与任务需求不匹配 #

text-embedding-ada-002的设计目标是捕捉语义内容的相关性，而非区分情感极性或语气差异。你给出的两个句子核心主题都是“吃糖果”，语义重叠度极高，所以模型会给出高相似度分数，这属于模型的正常表现，并非模型选择错误。

代码中的潜在优化点 #

你当前使用点积计算相似度，虽然ada-002输出的向量已做归一化，点积结果和余弦相似度一致，但如果后续更换未归一化的模型，该计算方式会受向量长度影响。建议统一使用余弦相似度计算，代码可调整为：

from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# 保留原有嵌入获取逻辑
embedding_a = resp['data'][0]['embedding']
embedding_b = resp['data'][1]['embedding']

# 改用余弦相似度计算
similarity_score = cosine_similarity([embedding_a], [embedding_b])[0][0]

针对情感差异检测的优化方向 #

如果核心需求是区分带有相反情感的同类主题句子，可从以下方向调整：

• 结合情感分类模型：先用情感分析模型提取句子的情感标签（正面/负面），再结合嵌入相似度综合判断，而非仅依赖嵌入相似度。
• 微调嵌入模型：使用带情感标注的数据集对ada-002进行微调，让模型在学习语义的同时，强化对情感极性的区分能力。
• 更换适配任务的模型：选择专门优化情感语义的嵌入模型，或是使用更大规模的语言模型生成嵌入，这类模型对细微语义差异的捕捉能力更强。

内容的提问来源于stack exchange，提问作者CDN