ScholarGate
助手
Machine learningDeep learning / NLP / CV

多语言句子嵌入

多语言句子嵌入将多种语言的句子映射到单个共享向量空间,使得语义等价的句子——无论语言如何——都能近距离对齐。像LaBSE、多语言Sentence-BERT和mUSE这样的模型使得在不进行任何翻译的情况下,跨越50至100多种语言进行文本比较、检索和分类成为可能。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

登录

方法图谱

相关方法的邻域——选择一个节点以展开探索。

另有 9 项

来源

  1. Reimers, N. & Gurevych, I. (2020). Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation. Proceedings of EMNLP 2020, 4512–4525. link
  2. Feng, F., Yang, Y., Cer, D., Arivazhagan, N. & Wang, W. (2022). Language-agnostic BERT Sentence Embedding. Proceedings of ACL 2022, 878–891. DOI: 10.18653/v1/2022.acl-long.62

如何引用本页

ScholarGate. (2026, June 3). Multilingual Sentence Embeddings (Cross-lingual Dense Representations). ScholarGate. https://scholargate.app/zh/deep-learning/multilingual-sentence-embeddings

选用哪种方法?

将本方法与其最相近的同类并置,并排研读——本馆将书籍铺陈于案上,取舍则由您定夺。

并排比较

被引用于

ScholarGateMultilingual Sentence Embeddings (Multilingual Sentence Embeddings (Cross-lingual Dense Representations)). 于 2026-06-15 检索自 https://scholargate.app/zh/deep-learning/multilingual-sentence-embeddings · 数据集: https://doi.org/10.5281/zenodo.20539026