# 領域專用BERT

首個基於丹麥專制時期（1660-1849年）歷史文本訓練的變壓器模型，由奧爾堡大學研究人員開發，用於處理與現代丹麥語差異較大的歷史文本語義。

這是一個基於阿里巴巴NLP/gte-modernbert-base微調的句子轉換器模型，專門用於醫療領域的語義文本相似度計算，支持語義緩存功能。

這是一個基於mBERT的句子轉換器模型，專門針對法國法律領域進行優化，能夠將法律文本轉換為768維向量表示。

專為金融與監管領域優化的BERT句向量轉換模型，基於SEC文件訓練

這是一個專為農業領域優化的BERT模型，採用MLM（掩碼語言模型）自監督學習方法進行訓練。

Legalbert-pt 是針對葡萄牙語法律領域的語言模型，通過預訓練獲得領域專業化能力，可進一步微調用於特定任務。

BiomedBERT是基於PubMed摘要文本從頭預訓練的生物醫學領域大型語言模型，專注於提升生物醫學自然語言處理任務表現。

基於BioLinkBERT的生物醫學句子嵌入模型，專為生物醫學文本相似度計算設計

基於PatentSBERTa的專利問題與解決方案句子識別模型，可將句子和段落映射到768維稠密向量空間，適用於聚類或語義搜索等任務。

這是一個基於sentence-transformers的模型，專門針對農業領域文本優化，能將句子和段落映射到512維向量空間，適用於聚類和語義搜索等任務。

BatteryBERT-cased是一個專門用於電池相關論文摘要分類的預訓練語言模型，基於BERT架構，針對電池領域文本進行了優化。

BiomedBERT是基於PubMed摘要和PubMedCentral全文預訓練的生物醫學領域專用語言模型，在多項生物醫學NLP任務中達到最先進水平。

MatSciBERT是一個基於BERT架構的預訓練語言模型，專門針對材料科學領域的文本挖掘和信息提取任務進行優化。

這是一個基於日語文本預訓練的BERT模型，特別針對金融領域進行了優化。

這是一個基於BatteryOnlyBERT-uncased的文本分類模型，專門用於電池相關論文摘要的分類任務。

基於13K化學和14K製藥維基百科文章段落微調的化學領域語言模型，用於區分製藥和化學領域的文本。