Google 发布 mBERT 数据集, 应用在 自然语言处理、跨语言信息处理 领域

Google 本次发布的数据集 mBERT, 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。

查看mBERT

关于 Google , 谷歌公司是一家总部位于美国加利福尼亚州的山景城的世界知名科技公司，成立于1998年，以其搜索引擎而闻名，现已成为全球最大的搜索引擎公司，业务遍及互联网广告、云计算、软件等多个领域。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。