NLP
5jerry
这个作者很懒,什么都没留下…
展开
-
使用padlle hub进行BERT Fine-Tune 中文-文本分类/蕴含 下游任务
使用padlle hub进行BERT Fine-Tune 中文-文本分类/蕴含 下游任务写在前面1.相关技术PaddleHub:预训练模型:Bert_chinese_L-12_H-768_A-12Bert下游任务2.使用步骤-以文本蕴含为例环境准备数据处理数据集解压数据集数据集展示处理数据集自定义Hub数据集PaddleHub分类数据集读取器读取预训练模型Bert定义策略运行配置组建Finetune TaskFine-Tune 训练预测/测试总结:写在前面想节省时间,代码在这:Aistudio项目/代原创 2020-07-30 23:57:47 · 1700 阅读 · 0 评论 -
spacy 用已经token化,分词的list 列表作为输入
网上都是一些抄来抄去的spacy用法,一些特殊问题的处理方法都找不到,哎,只能老老实实啃官网文档EntityRecognizer · spaCy API Documentation,先直接上方法和结果。import spacyfrom spacy.tokens import Docnlp = spacy.load('en_core_web_sm')doc = Doc(nlp.vocab, words=[u'hello', u'world', u'!'], spaces=[True, Fals.原创 2020-11-07 16:43:44 · 959 阅读 · 1 评论 -
关于SRL(semantic role label;Semantic Role Labeling)语义角色标注标签的含义
各个标签的意义如下:具体的srl介绍参考这个:https://zhuanlan.zhihu.com/p/35789254我通过Allennlp的SRL工具生成的角色标注的例子如下:原句:‘Everyone really likes the newest benefits’{‘verbs’: [{‘verb’: ‘likes’,‘description’: ‘[ARG0: Everyone] [ARGM-ADV: really] [V: likes] [ARG1: the newest benef原创 2020-10-15 21:04:55 · 1879 阅读 · 2 评论