为BERTopic安装需要的预训练SBERT模型

1. BERTopic需要安装的语言模型

第一次选用BERTopic模型执行主题聚类的时候，往往会看到这个错误提示：

在C:\Users\xxx\GooSeekerTag\models 下没有发现SBERT英文模型all-MiniLM-L6-v2，请把模型下载到该目录。或者询问管理员获取模型文件。

这说明BERTopic需要安装SBERT语言模型，而且中文和英文是两个不同的模型，都要安装。因为GooSeeker分词工具没有采用双语模型，而是中文英文采用各自不同的模型，以便达到更好的效果。目前，我们选用这两个模型：

• 英文：all-MiniLM-L6-v2
• 中文：bge-base-zh-v1.5

都是小规模的大语言模型。未来版本会支持用户自行选用语言模型。其实，在主题聚类任务中，主要用在字词向量化上，这种小规模模型足够用了。

2. 下载语言模型

所需的语言模型都在集搜客官方QQ群的文件夹中，如下图是文件夹位置：

进入这个群文件夹可以看到很多文件，末尾都有顺序编号。如下图：

其实，只有两个语言模型文件，由于模型太大，压缩的时候做了分卷处理，编号就是卷号。解压的时候，解第一个就行了，解压软件会把所有的卷读进来，解出来一个完整的模型。

解压完成后要把这个模型拷贝到前面提示框要求的目录中。拷贝过程一个很关键的注意点是拷对目录，目录层数一定要对。请参考《为集搜客分词和情感分析扩展模块安装情感分析模型库的方法》，SBERT模型和情感分析模型的安装方法是一样的。