什么是SBERT

1. 名词解释

SBERT是Sentence-BERT的简写，是专门用于生成“句子向量”的模型。这个向量可用于以下计算：

• 语义相似度计算：做两个向量的cosine计算
• 聚类：例如BERTopic主题聚类计算
• 搜索：把用户输入的搜索条件转换成向量，找到最相似的向量

而BERT是Bidirectional Encoder Representations from Transformers的缩写，其含义是：基于 Transformer 的双向文本表示模型。

所谓Bidirectional（双向），表示模型在理解一个词时会同时看左边和右边的上下文

2. SBERT在BERTopic中的位置

BERTopic主要做下面的计算，可以看到SBERT是第一个大步骤

1. 用SBERT把文档变成向量
2. 用UMAP降维
3. 用 HDBSCAN 聚类
4. 用 c-TF-IDF 提取关键词

3. SBERT和BERT的重要区别

SBERT将每个文档生成向量。而BERT的原始设计目的不是为了生成文档向量，而是做“句子对”任务的，例如，句子相似度（STS）、自然语言推理（NLI），输入是一对句子，输出是相似度或者判断“是不是下一句”等。