Chinese Macbert Base

🚀 MacBERT

MacBERT 是一种改进版的 BERT 模型，通过引入新颖的 MLM as correction 预训练任务，有效缓解了预训练和微调之间的差异，为中文自然语言处理带来了更优的解决方案。

🚀 快速开始

请使用与 'Bert' 相关的函数来加载此模型！

本仓库包含了论文 《Revisiting Pre-trained Models for Chinese Natural Language Processing》 中的相关资源，该论文即将发表于 "Findings of EMNLP"。你可以通过 ACL Anthology 或 arXiv 预印本 阅读我们的终稿论文。

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

你可能还对以下内容感兴趣：

• 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
• 知识蒸馏工具包 - TextBrewer：https://github.com/airaria/TextBrewer

更多由 HFL 提供的资源：https://github.com/ymcui/HFL-Anthology

✨ 主要特性

MacBERT 是一种改进的 BERT 模型，具有新颖的 MLM as correction 预训练任务，能够缓解预训练和微调之间的差异。

与使用 [MASK] 标记进行掩码不同（[MASK] 标记在微调阶段从未出现过），我们提出使用近义词进行掩码。近义词通过 Synonyms 工具包 (Wang and Hu, 2017) 获取，该工具包基于 word2vec (Mikolov et al., 2013) 相似度计算。如果选择对一个 N - gram 进行掩码，我们将分别查找其近义词。在极少数情况下，当没有近义词时，我们将退而使用随机词替换。

以下是我们预训练任务的一个示例：

除了新的预训练任务，我们还结合了以下技术：

• 全词掩码 (WWM)
• N - gram 掩码
• 句子顺序预测 (SOP)

请注意，由于我们的 MacBERT 在主要神经网络架构上与原始 BERT 没有差异，因此可以直接替换原始 BERT。

如需了解更多技术细节，请查看我们的论文：Revisiting Pre-trained Models for Chinese Natural Language Processing

📄 许可证

本项目采用 Apache - 2.0 许可证。

📚 详细文档

引用

如果您发现我们的资源或论文有用，请在您的论文中考虑包含以下引用：

• 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",
}