概念：三种不同的排序模型学习（LearningtoRank）设计思路。主要体现在损失函数不同用户的查询query为Q，候选文档集docs为c1~CN，正确的结果排序假设为C1-CK。候选文档集要一般大于最终返回的集合，因此N>K.例如，给出一个提问句子从候选句子(有10个)中选出最佳的5个的答案，返回的列表

写在前面：可分离卷积提出的原因  卷积神经网络在图像处理中的地位已然毋庸置疑。卷积运算具备强大的特征提取能力、相比全连接又消耗更少的参数，应用在图像这样的二维结构数据中有着先天优势。然而受限于目前移动端设备硬件条件，显著降低神经网络的运算量依旧是网络结构优化的目

NLP文本匹配任务TextMatching[无监督训练]：SimCSE、ESimCSE、DiffCSE项目实践文本匹配多用于计算两个文本之间的相似度，该示例会基于ESimCSE实现一个无监督的文本匹配模型的训练流程。文本匹配多用于计算两段「自然文本」之间的「相似度」。例如，在搜索引擎中，我们通常需要判断

NLP文本匹配任务TextMatching[有监督训练]：PointWise（单塔）、DSSM（双塔）、SentenceBERT（双塔）项目实践0背景介绍以及相关概念本项目对3种常用的文本匹配的方法进行实现：PointWise（单塔）、DSSM（双塔）、SentenceBERT（双塔）。文本匹配（TextMatching）是NLP下的一个分支，通常用于计算两个句子