mBERT
收藏arXiv2025-09-30 收录
下载链接：
https://github.com/google-research/bert/blob/master/multilingual.md
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是由多语言BERT（mBERT）预训练得到的，使用了104种语言的非平行多语言维基百科语料库，并通过多语言掩码语言建模（MMLM）任务进行训练。此外，mBERT具备在零样本场景下跨语言知识泛化的能力。该数据集涵盖了104种语言，主要针对理解性任务。
This dataset is pre-trained based on multilingual BERT (mBERT), which employs a non-parallel multilingual Wikipedia corpus spanning 104 languages and is trained through the multilingual masked language modeling (MMLM) task. Furthermore, mBERT possesses the capability of cross-lingual knowledge generalization under zero-shot settings. Covering 104 languages, this dataset is mainly targeted at comprehension tasks.
提供机构：
Google
搜集汇总
数据集介绍
背景与挑战
背景概述
mBERT数据集包含两个多语言模型和一个中文模型，支持超过100种语言，适用于多语言自然语言处理任务。其中Multilingual Cased模型在处理非拉丁字母语言时表现更优。
以上内容由遇见数据集搜集并总结生成
