Python 是一種高級的程序語言，也是當今流行的計算機語言之一。Python 的機器學習庫相當強大，其中一個重要的工具就是語言模型。語言模型能夠將一句話轉換成一個向量，這個向量能夠很好的表達句子的含義。在本文，我們將介紹如何使用Python生成句向量。

import tensorflow_hub as hub
import tensorflow_text
embed = hub.load("https://tfhub.dev/google/universal-sentence-encoder-multilingual/3")
sentences = ["我喜歡吃水果", "你今天怎么了？", "這是什么意思？"]
sentence_embeddings = embed(sentences)
for i, sentence_embedding in enumerate(np.array(sentence_embeddings).tolist()):
print("Sentence %d" % (i+1))
print(sentence)
print("Embedding: ", sentence_embedding)
print("")

上述代碼主要使用了 TensorFlow Hub 庫。TF Hub 庫是由 Google 提供的一個庫，其中包含了一些預定義的模型。其中最著名的是 Universal Sentence Encoder。Universal Sentence Encoder 實現了句子到向量的轉換。 代碼中我們首先通過 import 將 hub 庫導入程序中。接著，我們使用 TensorFlow Text 將 Universal Sentence Encoder 加載到我們的程序中。由于我們想要執行多語言句子編碼，我們需要加載 multilingual 的版本。 首先我們定義一個含有一些隨機句子的列表。我們接著使用教學論壇中的 np.array 將這些句子傳遞給embed函數。這個函數將句子轉化為向量。 最后，我們使用 enumerate() 語句遍歷句子并打印出每個句子的向量表示。