Chinese Bigbird Mini 1024

🚀 中文BigBird模型工具包

本項目提供了基於jieba_fast的分詞器與BigBird模型的使用示例，可用於中文自然語言處理任務，能幫助用戶更高效地處理中文文本。

🚀 快速開始

以下代碼展示瞭如何使用jieba_fast自定義分詞器，並加載BigBird模型進行中文文本處理。

import jieba_fast
from transformers import BertTokenizer
from transformers import BigBirdModel

class JiebaTokenizer(BertTokenizer):
    def __init__(
        self, pre_tokenizer=lambda x: jieba_fast.cut(x, HMM=False), *args, **kwargs
    ):
        super().__init__(*args, **kwargs)
        self.pre_tokenizer = pre_tokenizer

    def _tokenize(self, text, *arg, **kwargs):
        split_tokens = []
        for text in self.pre_tokenizer(text):
            if text in self.vocab:
                split_tokens.append(text)
            else:
                split_tokens.extend(super()._tokenize(text))
        return split_tokens

model = BigBirdModel.from_pretrained('Lowin/chinese-bigbird-mini-1024')
tokenizer = JiebaTokenizer.from_pretrained('Lowin/chinese-bigbird-mini-1024')

項目鏈接：https://github.com/LowinLi/chinese-bigbird

📄 許可證

本項目採用Apache 2.0許可證。