Chinese Macbert Large

🚀 MacBERT

MacBERT是一個改進版的BERT模型，通過引入新穎的預訓練任務，有效緩解了預訓練和微調之間的差異問題。本項目包含了相關論文的資源，為中文自然語言處理提供了更強大的預訓練模型。

🚀 快速開始

請使用與 'Bert' 相關的函數來加載此模型！

本倉庫包含了我們發表在 "Findings of EMNLP" 上的論文 "Revisiting Pre-trained Models for Chinese Natural Language Processing" 的相關資源。你可以通過 ACL Anthology 或 arXiv預印本 閱讀我們的終稿論文。

Revisiting Pre-trained Models for Chinese Natural Language Processing
Yiming Cui, Wanxiang Che, Ting Liu, Bing Qin, Shijin Wang, Guoping Hu

你可能還對以下項目感興趣：

• 中文BERT系列: https://github.com/ymcui/Chinese-BERT-wwm
• 中文ELECTRA: https://github.com/ymcui/Chinese-ELECTRA
• 中文XLNet: https://github.com/ymcui/Chinese-XLNet
• 知識蒸餾工具包 - TextBrewer: https://github.com/airaria/TextBrewer

更多由HFL提供的資源：https://github.com/ymcui/HFL-Anthology

✨ 主要特性

MacBERT 是一種改進的BERT模型，具有新穎的 MLM as correction 預訓練任務，可緩解預訓練和微調之間的差異。

與使用在微調階段從未出現過的 [MASK] 標記進行掩碼不同，我們建議使用相似的詞進行掩碼。相似詞是通過 同義詞工具包 (Wang and Hu, 2017) 獲取的，該工具包基於word2vec (Mikolov et al., 2013) 相似度計算。如果選擇對一個N-gram進行掩碼，我們將分別查找相似的詞。在極少數情況下，當沒有相似詞時，我們將退而使用隨機詞替換。

以下是我們預訓練任務的一個示例：

除了新的預訓練任務，我們還結合了以下技術：

• 全詞掩碼 (WWM)
• N-gram掩碼
• 句子順序預測 (SOP)

請注意，由於我們的MacBERT在主要神經網絡架構上與原始BERT沒有差異，因此可以直接替換原始BERT。

有關更多技術細節，請查看我們的論文：Revisiting Pre-trained Models for Chinese Natural Language Processing

📄 許可證

本項目採用 Apache-2.0 許可證。

📚 詳細文檔

引用

如果您發現我們的資源或論文有用，請考慮在您的論文中包含以下引用：

• https://arxiv.org/abs/2004.13922

@inproceedings{cui-etal-2020-revisiting,
    title = "Revisiting Pre-Trained Models for {C}hinese Natural Language Processing",
    author = "Cui, Yiming  and
      Che, Wanxiang  and
      Liu, Ting  and
      Qin, Bing  and
      Wang, Shijin  and
      Hu, Guoping",
    booktitle = "Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: Findings",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.findings-emnlp.58",
    pages = "657--668",
}