similarities

收录理由

Similarities 是一个面向相似度计算与语义搜索的 Python 工具包，同时覆盖文本和图像两类数据。文本方面，它既提供了 BM25、TF-IDF、SimHash 等轻量级字面匹配方法，也支持基于 SentenceBERT 和 CoSENT 的语义嵌入模型；检索后端接入了 Faiss、ANNOY、HNSW，能在较大规模数据上维持较快的查询速度。图像方面，它封装了 CLIP 模型，可用于文搜图、图搜图，索引和检索逻辑与文本侧保持一致。工具包还附带了一些实用功能，比如通过命令行构建索引并启动检索服务、对相关结果做社区检测、以及挖掘近似重复的句子。如果项目希望直接获得可控的检索能力，又不想为此单独部署一套向量数据库，这个库提供了一个比较省事的中间方案。