ChineseBERT-for-csc
中文拼写纠错(Chinese Spell Checking, CSC)模型
该模型源于SCOPE论文的复现。
原论文为：https://arxiv.org/pdf/2210.10996.pdf
原论文官方代码为：https://github.com/jiahaozhenbang/SCOPE
本模型并没有完全复现作者的结果，最终效果比论文中差了一个点，具体原因可参考#7。
本模型在SIGHAN2015上的表现如下：
| Detect-Acc | Detect-Precision | Detect-Recall | Detect-F1 | Correct-Acc | Correct-Precision | Correct-Recall | Correct-F1 | |
|---|---|---|---|---|---|---|---|---|
| Chararcter-level | - | - | - | 87.16 | - | - | - | 91.39 |
| Sentence-level | 86.27 | 79.75 | 82.99 | 81.34 | 85.45 | 78.15 | 81.33 | 79.71 |
若去掉SCOPE论文中在推理阶段使用的CIC，则在SIGHAN2015上表现如下：
| Detect-Acc | Detect-Precision | Detect-Recall | Detect-F1 | Correct-Acc | Correct-Precision | Correct-Recall | Correct-F1 | |
|---|---|---|---|---|---|---|---|---|
| Chararcter-level | - | - | - | 86.46 | - | - | - | 91.13 |
| Sentence-level | 85.36 | 78.19 | 82.44 | 80.22 | 85.55 | 76.53 | 80.78 | 78.60 |
本模型非官方模型，将其中SCOPE部分的拼音辅助训练任务和损失函数计算等相关代码去掉，仅保留了ChineseBERT的部分。
模型使用方法
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("iioSnail/ChineseBERT-for-csc", trust_remote_code=True)
model = AutoModel.from_pretrained("iioSnail/ChineseBERT-for-csc", trust_remote_code=True)
inputs = tokenizer(["我是炼习时长两念半的个人练习生蔡徐坤"], return_tensors='pt')
output_hidden = model(**inputs).logits
print(''.join(tokenizer.convert_ids_to_tokens(output_hidden.argmax(-1)[0, 1:-1])))
输出：
我是练习时长两年半的个人练习生蔡徐坤
你也可以使用本模型封装的predict方法，其中封装了作者提出的CIC方法，可以解决连续错字问题。
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained("iioSnail/ChineseBERT-for-csc", trust_remote_code=True)
model = AutoModel.from_pretrained("iioSnail/ChineseBERT-for-csc", trust_remote_code=True)
model.set_tokenizer(tokenizer) # 使用predict方法前，调用该方法
print(model.predict("我是练习时长两念半的鸽仁练习生蔡徐坤", window=0)) # 将窗口设置为0，不使用CIC
print(model.predict("我是练习时长两念半的鸽仁练习生蔡徐坤")) # window默认为1，可以连续处理两个汉字
输出：
我是练习时长两年半的鸽人练习生蔡徐坤
我是练习时长两年半的个人练习生蔡徐坤
常见问题
- 网络问题，例如：
Connection Error
解决方案：将模型下载到本地使用。批量下载方案可参考该博客
- 将模型下载到本地使用时出现报错：
ModuleNotFoundError: No module named 'transformers_modules.iioSnail/ChineseBERT-for-csc'
解决方案：将 iioSnail/ChineseBERT-for-csc 改为 iioSnail\ChineseBERT-for-csc