Bert Base Dutch Cased

🚀 BERTje：荷兰语BERT模型

BERTje是一个荷兰语预训练的BERT模型，可用于处理荷兰语相关的自然语言处理任务，为荷兰语的文本分析提供了强大的支持。

🚀 快速开始

BERTje是格罗宁根大学开发的荷兰语预训练BERT模型。

如需了解详细信息，请查看我们发表在 arXiv 上的论文、Github 上的代码以及 Semantic Scholar 上的相关工作。

论文和Github页面提到了可在 此处 获取的微调模型。

💻 使用示例

基础用法

from transformers import AutoTokenizer, AutoModel, TFAutoModel

tokenizer = AutoTokenizer.from_pretrained("GroNLP/bert-base-dutch-cased")
model = AutoModel.from_pretrained("GroNLP/bert-base-dutch-cased")  # PyTorch
model = TFAutoModel.from_pretrained("GroNLP/bert-base-dutch-cased")  # Tensorflow

⚠️ 重要提示

BERTje的词汇表大小在2021年发生了变化。如果您使用较旧的微调模型，并且在使用 GroNLP/bert-base-dutch-cased 分词器时遇到问题，请使用以下分词器：

tokenizer = AutoTokenizer.from_pretrained("GroNLP/bert-base-dutch-cased", revision="v1")  # v1 is the old vocabulary

📚 详细文档

arXiv论文中列出了基准测试。以下是论文完成后对BERTje、多语言BERT、BERT - NL和RobBERT进行的一些比较。与其他一些比较不同，这些基准测试的微调程序对于每个预训练模型都是相同的。您可以通过优化微调程序为单个模型获得更高的分数。

当更多实验结果完成后，将添加到本页面。关于如何微调这些模型的技术细节以及可下载的微调检查点也将在稍后发布。

所有测试的模型都是 基础 大小（12层）的大小写敏感分词模型。

以下表格中的标题链接到原始数据源。分数链接到对应特定微调模型的模型页面。当有更多简单微调模型可用时，这些表格将进行更新。

命名实体识别

词性标注

BibTeX引用

@misc{devries2019bertje,
\ttitle = {{BERTje}: {A} {Dutch} {BERT} {Model}},
\tshorttitle = {{BERTje}},
\tauthor = {de Vries, Wietse  and  van Cranenburgh, Andreas  and  Bisazza, Arianna  and  Caselli, Tommaso  and  Noord, Gertjan van  and  Nissim, Malvina},
\tyear = {2019},
\tmonth = dec,
\thowpublished = {arXiv:1912.09582},
\turl = {http://arxiv.org/abs/1912.09582},
}