#SBERT

提供先进的上下文字话题模型工具，支持BERT等预训练语言模型，适用于多语言和零样本学习。CTM包含CombinedTM和ZeroShotTM两大主要模型，能适应不同任务需求。通过结合上下文嵌入和词袋模型，CTM能够生成更具连贯性的主题。项目还提供Kitty子模块用于人机交互文档分类，并附有详细教程和文档，帮助用户快速上手，提升话题建模效果。

ko-sroberta-multitask是一个韩语句子嵌入模型，基于sentence-transformers框架开发。该模型将句子和段落映射到768维向量空间，适用于聚类和语义搜索任务。经过KorSTS和KorNLI数据集的多任务学习，模型在KorSTS评估集上表现出色。支持sentence-transformers和HuggingFace Transformers两种使用方式，为韩语自然语言处理提供了有力支持。

sbert-uncased-finnish-paraphrase是基于FinBERT训练的芬兰语句子BERT模型，专用于句子相似度分析。该模型使用平均池化方法，通过二元预测判断句子间的复述关系。兼容SentenceTransformer和HuggingFace Transformers库，为芬兰语自然语言处理提供高质量的句子嵌入。模型支持大规模相似句子检索，适用于多种芬兰语文本分析任务。

KR-SBERT-V40K-klueNLI-augSTS是一个针对韩语优化的句向量模型，基于sentence-transformers框架开发。该模型将句子和段落映射到768维向量空间，适用于聚类和语义搜索等任务。在文档分类任务中，其准确率达86.28%，优于同类模型。用户可通过sentence-transformers或Hugging Face Transformers库使用，为韩语自然语言处理提供有力支持。