/ Модель

Характеристики

Контекст
512 токенов
Параметры
131 млн
Архитектура
bert · dense
Опубликована
2 мар 2022

ChineseBERT-base

Заполнение пропусковТекст → текст3 профессии

Китайскоязычная BERT-модель с учётом начертания и пиньиня для предсказания замаскированных токенов в тексте.

837скачиваний за 30 дней2лайкавеса обновлены12 мар 2022

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

ChineseBERT-base — китайскоязычная модель семейства BERT, разработанная авторами работы «ChineseBERT: Chinese Pretraining Enhanced by Glyph and Pinyin Information». Репозиторий предоставляет веса PyTorch и быстрый токенизатор ChineseBertTokenizerFast для загрузки через Hugging Face Transformers.

Модель предназначена для заполнения пропусков в китайском тексте: она предсказывает замаскированные токены по контексту. Архитектура — плотный BERT с примерно 131,1 млн параметров; максимальная длина контекста составляет 512 токенов. Предобучение ChineseBERT усиливает представление китайского языка информацией о начертании и пиньине.

Карточка содержит сведения о токенизаторе и ссылку на исследовательскую работу; конкретные ограничения качества и условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • восстановление пропущенных слов в китайском тексте
  • подстановка маскированного токена в китайском предложении
  • оценка вероятных вариантов продолжения китайского контекста

Ограничения

Предназначена для китайского текста и ограничена контекстом до 512 токенов; карточка не приводит оценки качества на задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

https://github.com/JunnYu/ChineseBert_pytorch

ChineseBert_pytorch

本项目主要自定义了tokenization_chinesebert_fast.py文件中的ChineseBertTokenizerFast代码。从而可以从huggingface.co调用。

pretrained_tokenizer_name = "junnyu/ChineseBERT-base"
tokenizer = ChineseBertTokenizerFast.from_pretrained(pretrained_tokenizer_name)

Paper

ChineseBERT: Chinese Pretraining Enhanced by Glyph and Pinyin Information
Zijun Sun, Xiaoya Li, Xiaofei Sun, Yuxian Meng, Xiang Ao, Qing He, Fei Wu and Jiwei Li

Install

pip install chinesebert
or
pip install git+https://github.com/JunnYu/ChineseBert_pytorch.git

Usage

import torch
from chinesebert import ChineseBertForMaskedLM, ChineseBertTokenizerFast, ChineseBertConfig

pretrained_model_name = "junnyu/ChineseBERT-base"

tokenizer = ChineseBertTokenizerFast.from_pretrained(pretrained_model_name)
chinese_bert = ChineseBertForMaskedLM.from_pretrained(pretrained_model_name)

text = "北京是[MASK]国的首都。"
inputs = tokenizer(text, return_tensors="pt")
print(inputs)
maskpos = 4

with torch.no_grad():
    o = chinese_bert(**inputs)
    value, index = o.logits.softmax(-1)[0, maskpos].topk(10)

pred_tokens = tokenizer.convert_ids_to_tokens(index.tolist())
pred_values = value.tolist()

outputs = []
for t, p in zip(pred_tokens, pred_values):
    outputs.append(f"{t}|{round(p,4)}")
print(outputs)

# base  ['中|0.711', '我|0.2488', '祖|0.016', '法|0.0057', '美|0.0048', '全|0.0042', '韩|0.0015', '英|0.0011', '两|0.0008', '王|0.0006']
# large ['中|0.8341', '我|0.1479', '祖|0.0157', '全|0.0007', '国|0.0005', '帝|0.0001', '该|0.0001', '法|0.0001', '一|0.0001', '咱|0.0001']

Reference

https://github.com/ShannonAI/ChineseBert

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ChineseBertForMaskedLM
Ревизия весов
a25dde7

0 моделей