SentenceTransformer模型向量计算和用Jieba + NLP的差异

SentenceTransformer('all-MiniLM-L6-v2')，这是基于 Transformer 深度学习模型 的方法，而 Jieba + 传统 NLP 主要依赖规则和统计方法。它们的本质区别主要体现在以下几点：

---

1. 计算方式的区别

方法	计算方式	本质原理
SentenceTransformer (BERT, MiniLM)	深度学习语义向量	句子输入 -> Transformer 编码 -> 生成高维向量
Jieba + 传统 NLP	基于词的统计方法	分词 -> TF-IDF / 词向量（Word2Vec） -> 计算相似度

✔ SentenceTransformer 是基于 BERT（或 MiniLM）预训练的 Transformer 模型，能够理解 语义。
✖ Jieba + 传统 NLP 主要依赖 词频、共现关系、TF-IDF，难以处理语义相似性。

---

2. 语义理解能力