用于生成句子嵌入的 Japanese Sentence‑BERT (v1) 模型,已提供改进版 v2,并通过 Hugging Face Transformers 以及自定义的 SentenceBertJapanese 类进行示例使用。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
14,000
Hugging Face 点赞数
11
收录日
—
自页面创建时收录
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | 24,000 |
| 2026年1月 | 23,000 |
| 2026年2月 | 39,000 |
| 2026年3月 | 47,000 |
| 2026年4月 | 141,000 |
| 2026年5月 | 318,000 |
| 2026年6月 | 23,000 |
| 2026年7月 | 18,000 |
| 2026年8月 | 14,000 |
| 2026年9月 | 14,000 |
| 2026年10月 | 19,000 |
| 2026年11月 | 14,000 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- sentence-bert-base-ja-mean-tokens-v2sonoisa53k一款在 cl‑tohoku/bert‑base‑japanese‑whole‑word‑masking 上使用 MultipleNegativesRankingLoss 细调的 Japanese Sentence‑BERT v2,较 v1 提升了约 1.5–2 %的准确率,并以 sonoisa/sentence‑bert‑base‑ja‑mean‑tokens‑v2 发布。
- clip-japanese-baseline-corporation34kLY Corporation的clip‑japanese‑base 是一个日语 CLIP 模型,在约10亿对图像‑文本对上训练,使用 Eva02‑B transformer 图像编码器和 12 层 BERT 文本编码器,在 STAIR 上实现 R@1 0.30,在 Recruit 上得到 0.89 的准确率,在 ImageNet‑1K 上得到 0.58 的准确率,并支持 zero‑shot 图像分类和检索。
- transformers-ud-japanese-electra-base-ginza-510megagonlabs22kja_ginza_electra 是一个 spaCy v3 Python 包,提供一个在 mC4 和 UD_Japanese_BCCWJ r2.8(基于 megagonlabs/transformers‑ud‑japanese‑electra‑base‑discrimininator)上微调的日语 ELECTRA 模型,并配有自定义 bunsetu‑phrase 检测功能,按 MIT license 分发。
- sentence-luke-japanese-base-litesonoisa10kJapanese Sentence‑LUKE 模型在与 Sentence‑BERT 同一数据集上训练,表现超过或匹配其性能,基于 studio‑ousia/luke‑japanese‑base‑lite 构建,并通过 Hugging Face Transformers 的 MLukeTokenizer 与 LukeModel 进行使用。
- clip-japanese-base-v2line-corporation2k日本CLIP模型 clip‑japanese‑base‑v2,升级后约20亿图像‑文本对并采用蒸馏,配合 Eva02‑B 图像编码器和 12 层 BERT 文本编码器,将 ImageNet‑1k 准确率提升至 0.708,超过前代模型。
- sup-simcse-ja-basecl-nagoya2k一个日语 BERT‑base 模型,在 JSNLI 上使用有监督 SimCSE 进行微调,通过 Sentence‑Transformers 或 HuggingFace 提供,采用 CLS 池化。在 1M 个样本上训练,批量大小为 512,学习率为 5×10⁻⁵,温度为 5×10⁻⁵,64 令牌限制,采用 BFloat16 精度。
研究领域相近的资源
- bert-large-japanese-v2tohoku-nlp66kJapanese‑BERT‑Large 在 CC‑100 和 Wikipedia 上训练,使用 Unidic‑lite 单词级标记化配合 WordPiece 子词和全词掩码(24 层,1024 维隐藏层,16 头,32k 词表),预训练代码在 cl‑tohoku/bert‑japanese。共同: 表示学习・语言模型
- bert-base-japanese-v3tohoku-nlp66kJapanese BERT‑base(12层,768维隐藏层,12头,32 k词汇表)在 CC‑100 和 2023‑Jan Wikipedia 上使用全词遮蔽预训练,采用 Unidic 2.1.2 词级分词加 WordPiece,训练 200 万步。共同: 表示学习・语言模型
bert-japanesecl-tohoku551用于日语文本的BERT模型。GitHub共同: 表示学习・语言模型- ruri-largecl-nagoya8k一组已准备好发布的 Ruri v3 日语文本嵌入模型(30m–310m),完整附带 SentenceTransformer 使用技巧、查询/段落前缀,以及 JMTEB 基准结果,展示它们与其他日语和多语言嵌入模型的比较。共同: 表示学习・语言模型
- ruri-v3-310mcl-nagoya634kRuri v3 是基于 ModernBERT‑Ja 的先进日语文本嵌入模型,支持多达 8,192 词元输入,100K 词元词汇表,FlashAttention 加速推理,并提供多种尺寸变体,便于快速使用 sentence‑transformer。共同: 表示学习・语义文本处理
- ruri-v3-30mcl-nagoya126kRuri v3是一个最先进的日语文本嵌入模型,基于ModernBERT‑Ja构建,支持最多8,192个标记,拥有100 k词汇量,支持FlashAttention加速,并提供多种规模,从37 M到315 M参数。共同: 表示学习・语义文本处理