Bert-Pytorch-TextClassification-master
2023-03-14 20:26:55
6.13MB
1
更新：现在可以嵌入预训练的通用句子编码器和BERT句子转换器。阅读。
Top2Vec
Top2Vec是用于主题建模和语义搜索的算法。它会自动检测文本中存在的主题，并生成联合嵌入的主题，文档和单词向量。训练Top2Vec模型后，您可以：
获取检测到的主题数。
获取主题。
获取主题大小。
获取层次结构主题。
通过关键字搜索主题。
按主题搜索文档。
通过关键字搜索文档。
查找类似的单词。
查找类似的文档。
使用公开模型
有关其工作原理的更多详细信息，请参见。
好处
自动查找主题数。
无需停用词列表。
无需词干/词形限制。
适用于短文本。
创建联合嵌入的主题，文档和单词向量。
内置搜索功能。
它是如何工作的？
该算法所做的假设是，许多语义上相似的文档都表明了一个潜在的主题。第一步是创建文档和单词向量的联合嵌入。将文档和单词嵌入向量空间后，算法的目标是找到文档的密集簇，然后确定哪些单词将这些文档
2023-03-09 13:56:41
6.48MB
1
“MSMARCO passage ranking task”阅读理解任务排名第一的BERT解决方案
2023-02-22 17:53:26
47KB
1
Bert作为目前自然语言处理领域最流行的技术之一，文本分类作为自然语言处理领域最常见的任务之一，Pytorch作为目前最流程的深度学习框架之一，三者结合在一起将会产生什么样的花火，本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务，延续动手学系列课程风格，全程手敲代码，跟着杨博一行一行代码撸起来。
2023-02-19 11:18:18
461B
1
KBQA_zh
基于bert的KBQA，包含joint和pipeline两种模式
Introduction
本项目是一个基于知识三元组的简单的问答系统，分为joint和pipeline两种模式。joint模式为基于bert做意图识别和命名体识别的联合学习训练得到的模型，pipeline模式为单独训练命名实体识别和QA相似度模型。
Environment
tensorflow 1.15
python 3.6
pymysql 0.10.1
grpcio 1.32.0
grpcio-tools 1.32.0
How to run
首先需要下载bert的中文预训练模型放在chinese_L-12_H-768_A-12文件夹下，
然后，以pipeline模式为例，执行如下命令，训练命名实体识别模型和问答模型：
1. cd qa_pipeline
2. sh run_ner.sh
3. sh run_
2023-02-18 15:35:51
4.68MB
1
本文档详细分析了预训练语言模型领域的最新进展，可为自然语言处理的研究和学习人员提供参考。用于重现分析结果的代码可在github上获取。
2023-02-10 12:19:55
304KB
1