注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. bert-masterContent.zip

  2. bert 源码主要内容部分，完整介绍bert，源码精讲和实战项目。 bert 源码主要内容部分，完整介绍bert，源码精讲和实战项目。 bert 源码主要内容部分，完整介绍bert，源码精讲和实战项目。

  3. 所属分类：互联网

    • 发布日期：2020-06-21
    • 文件大小：384mb
    • 提供者：kbwzy

  1. PyTorch预训练Bert模型的示例

  2. 本文介绍以下内容： 1. 使用transformers框架做预训练的bert-base模型； 2. 开发平台使用Google的Colab平台，白嫖GPU加速； 3. 使用datasets模块下载IMDB影评数据作为训练数据。 transformers模块简介 transformers框架为Huggingface开源的深度学习框架，支持几乎所有的Transformer架构的预训练模型。使用非常的方便，本文基于此框架，尝试一下预训练模型的使用，简单易用。 本来打算预训练bert-large模型，发现

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：101kb
    • 提供者：weixin_38698311

  1. BERT预训练模型字向量提取工具–使用BERT编码句子

  2. 本文将介绍两个使用BERT编码句子（从BERT中提取向量）的例子。 （1）BERT预训练模型字向量提取工具 本工具直接读取BERT预训练模型，从中提取样本文件中所有使用到字向量，保存成向量文件，为后续模型提供embdding。 本工具直接读取预训练模型，不需要其它的依赖，同时把样本中所有 出现的字符对应的字向量全部提取，后续的模型可以非常快速进行embdding github完整源码 #!/usr/bin/env python # coding: utf-8 __author__ = 'xmxo

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：58kb
    • 提供者：weixin_38515362

  1. 炼丹技巧 | BERT的下接结构调参

  2. 前情回顾 我们之前介绍了 BERT的原理与应用 BERT与其他预训练模型 BERT四大下游任务 现在我们基于（2019BDCI互联网金融新实体发现 | 思路与代码框架分享（单模第一，综合第二））代码实践来介绍一下BERT如何调参才能更加充分训练，使得到的模型性能更好。 具体代码链接： https://link.zhihu.com/?target=https://github.com/ChileWang0228/Deep-Learning-With-Python/tree/master/chap

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：353kb
    • 提供者：weixin_38536397

  1. BERT介绍

  2. 简介 BERT模型来自谷歌团队的paper——BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding，它在11个NLP任务中刷新了成绩，效果非常好，非常惊人。但是，这项工作不是很好复现，如果没有足够的资源就不要想了 。之前，利用预训练的语言表征来完成下游NLP任务的研究，可以概括为两类：feature-based和fine-tuning。feature-based类别比如ELMo，fine-

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：128kb
    • 提供者：weixin_38642897

  1. DeepNER:天池中药说明书实体识别挑战冠军方案；中文命名实体识别； NER; BERT-CRF＆BERT-SPAN＆BERT-MRC； Pytorch-源码

  2. 中文-DeepNER-Pytorch 天池中药说明书实体识别挑战冠军方案开源 贡献者： zxx飞翔​​的鱼： : 我是蛋糕王： : 数青峰： : 后续官方开放数据集后DeepNER项目会进行优化升级，包含完整的数据处理，训练，验证，测试，部署流程，提供详细的代码注释，模型介绍，实验结果，提供更普适的基础预训练的中文命名实体识别方案，开箱即用，欢迎星级！ （代码框架基于火炬和变压器，框架进行性，解耦性，易读性较高，很容易修改迁移至其他NLP任务中） 环境 python3 . 7 p

  3. 所属分类：其它

  1. rasa-bert-finetune:支持rasa-nlu的bert finetune-源码

  2. 介绍 支持rasa json数据格式的bert finetune 准备 在训练finetune模型前需要先下载bert pre-train model，这里用的是中文的，可去官网下载chinese_L-12_H-768_A-12 。 json文件称为rasa_dataset_training.json ，dev的json文件称为rasa_dataset_testing.json ，当然你可以在run_classifier.py代码里面做相应的修改。 版本 bert-serving-client

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：43kb
    • 提供者：weixin_42116604

  1. KBQA-BERT-CRF:基于知识图谱的问答系统-源码

  2. KBQA-BERT 基于知识图谱的问答系统，BERT做命名实体识别和句子相似度 介绍 本项目主要由两个重要的点组成，一是基于BERT的命名实体识别，二是基于BERT的句子相似度计算，本项目将这两个模块进行融合，构建基于BERT的KBQA问答系统。详细介绍，请看我的博客： : 环境配置 Python版本为3.6 pytorch版本为1.1.0 windows10 数据在Data中，更多的数据在[**NLPCC2016**](http://tcci.ccf.org.cn/conference/2

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：13mb
    • 提供者：weixin_42168341

  1. KBQA-BERT:基于知识图谱的问答系统，BERT做命名实体识别和句子相似度，分为在线和大纲模式-源码

  2. KBQA-BERT 基于知识图谱的问答系统，BERT做命名实体识别和句子相似度，分为在线和大纲模式 介绍 本项目主要由两个重要的点组成，一是基于BERT的命名实体识别，二是基于BERT的句子相似度计算，本项目将这两个模块进行融合，并基于BERT的KBQA问答系统，在命名实体识别上分为在线预测和轮廓预测；在句子相似度上，也分为在线预测和轮廓预测，2个模块互不干扰，做到了高内聚低掺杂的效果，最后的kbqa相当于融合这2个模块进行概述，具体介绍请见！ -------------------------

  3. 所属分类：其它

  1. BERT-pytorch-源码

  2. 伯特·比托奇 Google AI的2018 BERT的Pytorch实现，带有简单注释 BERT 2018 BERT：用于语言理解的深度双向变压器的预培训论文URL： : 介绍 Google AI的BERT论文显示了在各种NLP任务（新的17个NLP任务SOTA）上的惊人结果，包括胜过SQuAD v1.1 QA任务的人类F1得分。 本文证明，通过适当的语言模型训练方法，基于Transformer（自注意）的编码器可以有效地替代先前的语言模型。 更重要的是，他们向我们展示了这种经过预先训练的

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：35kb
    • 提供者：weixin_42135073

  1. 基于BERT的多语言文本情感分析-源码

  2. 基于BERT的多语言文本情感分析 介绍 社交媒体广泛用于现代人的交流中，推特在英语国家中广泛用于表达情感。 微博在中国被广泛用作同一工具。 他们两个都通过几段文字表达了情感。 有必要设计一种可以对多种语言进行情感分类的系统。 对文本进行情感分类的困难如下。 首先，具有讽刺意味的是，例如交通警察因未付停车费而将他的驾照吊销了。 其次，在与域相关的问题中，例如，我的计算机的冷却系统声音非常大，这是负面的。 可以肯定地说我家的声音很大。 第三，网络流行词也将影响情绪分析，意义在标记化后将完全改变。

  3. 所属分类：其它

  1. AttRCNN-CNN：论文介绍：针对现有模型不能充分提取语义特征，以及单一使用语义或语言学特征来进行预测等不足，使用BERT预训练模型进行句子的特征提取。以及特征融合的论文，使用LSTM-Attention和CNN进行文档特征提取，同时结

  2. AttRCNN-CNN 译文：基于BERT和多特征联合的个性识别方法 领域：文本个性识别技术：BERT，LSTM，Attention，CNN 链接： 论文介绍：针对现有模型不能充分提取语义特征，以及单个使用语义或语言学特征来进行预测等不足，使用BERT预训练模型进行句子的特征提取。同时阅读了关于多模态以及特征融合的论文，使用LSTM-Attention和CNN进行文档尺寸特征提取，同时结合Mairesse语言学特征，将多个分割提取的特征融合起来进行分析，最终使用Pytorch进行模型实现。 其中

  3. 所属分类：其它

  1. BERT大火却不懂Transformer？

  2. Transformer由论文《AttentionisAllYouNeed》提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，希望让普通读者也能轻易理解。从宏观的视角开始首先将这个模型看成是一个黑箱操作。在机器翻译中，就是输入一种语言，输出另一种语言。那么拆开这个黑箱，我们可以

  3. 所属分类：其它

  1. PIE：使用BERT的快速+非自回归语法错误校正。 论文《本地序列转导的并行迭代编辑模型》的代码和预训练模型：www.aclweb.organthologyD19-1435.pdf（EMNLP-IJCNLP 2019）-源码

  2. PIE：用于局部序列转导的并行迭代编辑模型 使用BERT的快速语法错误校正 伴随我们的论文《用于局部序列转导的并行迭代编辑模型》（EMNLP-IJCNLP 2019）附带的代码和预训练模型 我们介绍了PIE，一种基于BERT的体系结构，用于本地序列转导任务，如语法错误校正。 与将GEC建模为从“不正确”到“正确”语言的翻译任务的标准方法不同，我们将GEC视为本地序列编辑任务。 我们进一步将局部序列编辑问题减少到序列标记设置中，其中我们利用BERT来非自回归地对输入标记进行编辑。 我们专门为序列编

  3. 所属分类：其它

  1. indic-bert：基于BERT的印度语言多语言模型-源码

  2. 印度文 | 印度伯特（Indic bert）是一种多语言ALBERT模型，专门涵盖12种主要印度语言。 它在我们约90亿个代币的新颖语料库上进行了预训练，并在一​​系列多样化的任务上进行了评估。 与其他流行的公开多语言模型相比，Indic-bert的参数要少大约10倍，同时它也可以达到与这些模型同等或更好的性能。 我们还介绍了IndicGLUE-一组标准评估任务，可用于衡量印度语言中的单语和多语模型的NLU性能。 与IndicGLUE一起，我们还编译了其他评估任务的列表。 该存储库包含用于

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：336kb
    • 提供者：weixin_42165018

  1. nlpcda：一键中文数据增强包； NLP数据增强，bert数据增强，EDA：pip install nlpcda-源码

  2. NLP中文数据增强一键中文数据增强工具 使用： pip install nlpcda 开源不易，欢迎star :glowing_star: pypi： ：//pypi.org/project/nlpcda/ 介绍 一键中文数据增强工具，支持： 经过细节特殊处理，比如不改变年月日数字，尽量保证不改变原文语义。即使改变也能被猜出来、能被猜出来、能被踩出来、能被菜粗来、被菜粗、能菜粗来 计划中的未来内容 增加多线程操作，一键操作 随机噪声注入？随机插入一些字符，太简单实现了。 利用pingyin

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：528kb
    • 提供者：weixin_42138545

  1. BERT-pytorch：Google AI 2018 BERT pytorch实施-源码

  2. 伯特·比托奇 Google AI的2018 BERT的Pytorch实现，带有简单注释 BERT 2018 BERT：用于语言理解的深度双向变压器的预培训论文URL： : 介绍 Google AI的BERT论文显示了在各种NLP任务（新的17个NLP任务SOTA）上的惊人结果，包括在SQuAD v1.1 QA任务上的表现优于人类F1得分。 本文证明，通过适当的语言模型训练方法，基于Transformer（自注意）的编码器可以有效地替代先前的语言模型。 更重要的是，他们向我们展示了这种预先训

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：28kb
    • 提供者：weixin_42173218

  1. bert_score：文本生成的BERT分数-源码

  2. BERTScore 论文（ICLR 2020）中介绍了自动评估指标。 新闻： 更新至版本0.3.7 与Huggingface的变压器版本> = 4.0.0兼容。 感谢公共贡献者（ ， ， ）。 如果您想在COCO字幕数据集上复制我们的实验，请参见 。 更新至版本0.3.6 支持自定义基准文件 选项--rescale-with-baseline更改为--rescale_with_baseline以便与其他选项一致。 更新至版本0.3.5 与Huggingface的变形金

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：956kb
    • 提供者：weixin_42162216

  1. BERT大火却不懂Transformer？

  2. Transformer由论文《AttentionisAllYouNeed》提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，希望让普通读者也能轻易理解。从宏观的视角开始首先将这个模型看成是一个黑箱操作。在机器翻译中，就是输入一种语言，输出另一种语言。那么拆开这个黑箱，我们可以

  3. 所属分类：其它

  1. 关于各种中文Bert/xlnet模型

  2. google的bert_base https://github.com/google-research/bert 哈工大的wwm和wwm-ext https://gitee.com/yiweilu/Chinese-BERT-wwm google的ALbert https://github.com/google-research/ALBERT 中文Roberta https://github.com/brightmart/roberta_zh 华为的哪吒 https://blog.csdn.net

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：23kb
    • 提供者：weixin_38606639
« 12 3 4 »