one-hot映射时，如何选取TOPN作为每一个词承载的word2vec的信息？
我们已经知道，对于这种例子：
怎么绑定手机号？
怎么关联手机号？
他们的相似度取决于绑定和关联这两个词如何相似。
#取top2词的相似度
vec_i = np.array([1, 0.73, 0.71, 0])
vec_j = np.array([0.71, 0.73, 1, 0.71])
dist = linalg.norm(vec_i - vec_j)
sim = 1.0 / (1.0 + dist)
print(sim)
0.549468959038795
#取top1词的相似度
vec_i = np.array([ 1, 0.73, 0 ])
vec_j = np.array([ 0.71, 0 , 1 ] )
dist = linalg.norm(vec_i - vec_j)
sim = 1.0 / (1.0 + dist)
print(sim)
0.44021580019602347
#取top3词的相似度
vec_i = np.array([ 1, 0.73, 0.71, 0.69, 0])
vec_j = np.array([0.71, 0.668, 1, 0, 0.71])
dist = linalg.norm(vec_i - vec_j)
sim = 1.0 / (1.0 + dist)
print(sim)
0.48229348920534326
在这种情况下，选取TOP2相似度是最高的，可以很好的近似匹配。思想是，在取的TOPN尽可能少的情况下，让TOPN里，相同的词出现的尽可能多，有助于提高相似度。可是那对于不相似的句子呢？
我们应该让相似的句子，相似度更高，不相似的句子，相似度更低，拉开差距。
方案一：按照原来的TOP3+similarity
怎么 怎样 如何 怎么样 支付 付款 微信支付 收款 打印 打 印 打出
怎么支付 [ 1, 0.85, 0.83, 0.70, 1, 0.77, 0.72, 0.67, 0, 0, 0, 0]
如何支付 [0.83, 0.87, 1, 0.63, 1, 0.77, 0.72, 0.67, 0, 0, 0, 0]
如何打印 [0.83, 0.87, 1, 0.63, 0, 0, 0, 0, 1, 0.78, 0.69, 0.69]
怎么支付-如何支付=0.7992345674654612
如何支付-如何打印=0.3064740995892663
怎么支付-如何打印=0.3051741090737826
方案二：如果两个句子之间，映射完之后有相同词的，相似度保留，如果没有相同词，那么就令那个词为1，这样可以有效的拉开相似度句子，和不相似的句子之间的相似度差距。
怎么 怎样 如何 怎么样 支付 付款 微信支付 收款 打印 打 印 打出
怎么支付 [ 1, 0.85, 0.83, 0.70, 1, 0.77, 0.72, 0.67, 0, 0, 0, 0]
如何支付 [0.83, 0.87, 1, 0.63, 0, 0, 0, 0, 1, 1, 1, 1]
（这是第一对）
怎么 怎样 如何 怎么样 支付 付款 微信支付 收款 打印 打 印 打出
如何支付 [0.83, 0.87, 1, 0.63, 1, 1, 1, 1, 0, 0, 0, 0]
如何打印 [0.83, 0.87, 1, 0.63, 0, 0, 0, 0, 1, 1, 1, 1]
怎么 怎样 如何 怎么样 支付 付款 微信支付 收款 打印 打 印 打出
怎么支付 [ 1, 0.85, 0.83, 0.70, 1, 0.77, 0.72, 0.67, 0, 0, 0, 0]
如何打印 [0.83, 0.87, 1, 0.63, 0, 0, 0, 0, 1, 0.78, 0.69, 0.69]
怎么支付-如何支付=0.7992345674654612
如何支付-如何打印=0.2612038749637414
怎么支付-如何打印=0.26044652136360963
结果：明显的降低了不同意思的句子之间的差距，对于不同的句子之间，进行了相似度对比增强。对于原本就很相似的句子，影响不大。
不过如果我们要这么做，需要多做一步，就是对于已经生成的两个句子向量做比对，将没有同时出现的词，做1值处理。
而且具体效果，需要我们实际测试才知道。