Python Sentence Transformer：如何按索引/更新日期排序获取匹配句子

我有一个包含大量记录的数据库表，字段为id、sentence、info、updated_date，数据示例如下：

我将这些sentence转换为张量后，用示例句子"What is the name of your company"的张量做匹配，代码如下：

sentence = "What is the name of your company" # 已转为张量格式
cos_scores = util.pytorch_cos_sim(sentence, all_sentences_tensors)[0]

top_results = torch.topk(cos_scores, k=5) 
# 或者用numpy的方式
top_results = np.argpartition(cos_scores, range(5))[0:5]

由于多个句子内容完全相同，相似度得分均为1，top_results返回的结果顺序随机，无法按索引或updated_date从新到旧排序。我想获取按最新updated_date或索引顺序排列的top5匹配结果，该怎么实现？

完全可行，以下是几种实用实现思路：

思路1：先筛选匹配项，再二次排序 #

1. 先找出所有相似度得分等于1的记录索引（即完全匹配的句子）
2. 根据这些索引从数据集中取出对应的id和updated_date
3. 按updated_date降序（最新优先）或id降序排序，再取前5条

代码示例：

import pandas as pd
import torch

# 获取所有得分等于1的索引（cos_scores为torch张量）
match_indices = torch.where(cos_scores == 1.0)[0].cpu().numpy()

# 假设df是加载好的数据框，筛选匹配记录
matched_df = df.loc[match_indices]

# 按updated_date降序取前5
sorted_df = matched_df.sort_values(by='updated_info_date', ascending=False).head(5)
# 若按id降序则用：
# sorted_df = matched_df.sort_values(by='id', ascending=False).head(5)

# 最终得到有序的top5索引
top_sorted_indices = sorted_df.index.tolist()

思路2：融合日期/索引权重，一次排序出结果 #

把updated_date转为数值（如时间戳）或直接用id，和相似度得分结合成综合排序依据，一次排序即可得到结果：

import pandas as pd
import torch

# 将日期转换为时间戳并归一化（确保权重不盖过相似度得分）
df['timestamp'] = pd.to_datetime(df['updated_info_date'], format='%d/%m/%Y').astype('int64') / 10**9
norm_timestamp = torch.tensor((df['timestamp'] - df['timestamp'].min()) / (df['timestamp'].max() - df['timestamp'].min())).float()

# 构建综合得分：相似度得分 + 归一化时间戳*权重（权重可根据需求调整）
combined_scores = cos_scores + 0.1 * norm_timestamp

# 按综合得分取top5，得分相同时会按时间戳排序
top_results = torch.topk(combined_scores, k=5)
# top_results.indices就是最终有序的索引列表

思路3：直接用数据库查询（高效首选） #

如果数据存在数据库中，直接用SQL筛选+排序效率最高，无需加载全量数据做张量匹配：

SELECT * FROM your_table 
WHERE sentence = 'What is the name of your company' 
ORDER BY updated_info_date DESC 
LIMIT 5;

完全匹配的场景下，字符串比对比张量相似度计算更高效，还能直接实现排序需求。

内容的提问来源于stack exchange，提问作者Avi