代碼在https://github.com/THTBSE/siamese-lstm-network/blob/master/siamese_lstm.py里。這篇博客https://blog.csdn.net/thriving_fcl/article/details/73730552 有解釋該模型。模型論文：https://www.aclweb.org/anthology/W16-1617。
對於contrastive loss的理解：
如果用的相似度（相似度取值范圍-1到1）：那么如果文本相似，那么相似度要盡可能大，即盡可能接近1。上述csdn鏈接里y=1的loss公式為1/4*（1-相似度）^2，相似度要接近1，loss才會小。如果文本不相似，那么相似度盡可能小。上述csdn鏈接里y=0的loss公式為相似度^2。那么相似度要小，即在0附近（正負都可以），那么loss才會小。
如果用的距離，那么如果文本相似，那么距離要小，所以諸如距離^2可以作為loss公式可用，距離小才會讓loss小。如果文本不相似，那么距離要大能讓loss變小的公式可以用。