计算机组成原理sop,MacBERT:MLM as correction BERT
本次分享的论文MacBERT,来自哈工大SCIR实验室,收录于Findings of EMNLP 子刊,全名为Revisiting Pre-Trained Models for Chinese Natural Language Processing,即中文自然语言处理的预训练模型再访。
论文地址:Paper
该篇论文主要做了以下三方面的工作:
(1)大量的实证研究,以重新审视中文预训练模型在各种任务上的表现,并进行了细致的分析。
(2)提出了一个新的预训练模型MacBERT,通过用其相似的单词来掩盖单词,从而缩小训练前和微调阶段之间的差距。
(3)为了进一步加快对中文NLP的研究,创建了中文预训练模型系列并发布到社区。
本文章仅针对该论文的第二个工作进行介绍,即介绍预训练模型MacBERT。MacBERT模型保持了与BERT相同的训练前任务,但做了一些修改,具体如下:
1、使用全词掩蔽和N-Gram掩蔽策略来选择候选tokens进行掩蔽,从单字符到4字符的掩蔽百分比为40%、30%、20%、10%。
2、原始BERT模型使用[MASK] token进行掩蔽,但是[MASK] token在微调阶段从未出现,这会造成预训练任务与下游微调任务不一致;因此该论文建议使用类似的单词来掩蔽需要被掩蔽的单词。
类似的单词可以通过同义词工具包(Synonyms)获得,该工具包是基于word2vec相似度计算来获取同义词的。
选择一个N-gram进行掩码时,该论文将分别找到相似的单词。在极少数情况下,当没有相似的词时,会降级使用随机词替换。
3、使用15%的百分比输入单词进行掩蔽,其中80%将替换为相似的单词,10%将替换为随机单词,剩下的10%将保留原始单词。
4、该论文使用ALBERT提出的句子顺序预测(SOP)任务替换BERT原始的NSP任务,通过切换两个连续句子的原顺序创建负样本。
注意:该论文对MacBERT模型进行预训练时使用了扩展数据。并且为了识别汉语词语的边界,使用LTP进行中文分词。
这里有一个问题,就是模型对单字符的概率是40%,对于英文来说,比较容易找到单个字符的同义词
,但是单个字符对于中文来说,大概率是无法找到同义词的,因此笔者并不理解要如何去操作。
难道要把这么多找不到同义词的使用随机替换吗?显然应该没有这么简单,可能需要源码放出来的时候,才能知道。
或者有理解的小伙伴,可以再评论中解答一下,也可以加我微信或私聊我。
训练参数
Base模型参数如下:
Large模型参数如下:
各个任务上MacBERT模型微调效果
阅读理解任务
CMRC2018数据集效果如下:
DRCD数据集效果如下:
CJRC数据集效果如下:
句子对匹配任务
XNLI、LCQMC、BQ Corpus数据集效果如下:
分类任务
情感分类任务ChnSentiCorp数据集效果如下:
文档分类任务THUCNews数据集效果如下:
消融实验
为了对比,上述提出改进点的效果,进行消融实验,结果如下图所示:
可以看出,上述提出的改进点,对于预训练语言模型来说,都有一定的提升。
总结
等论文code开源。看一下在中文数据下,单个字符是如何找到同义词的。
推荐几篇笔者文章:
计算机组成原理sop,MacBERT:MLM as correction BERT相关推荐
- 计算机组成原理-第二章 数据表示与运算
计算机组成原理-第二章 数据表示与运算 一.数据的表示 1.数值型数据的表示(重点难点) 1.1数值型数据的表示--进位制 1.2数值型数据表示-码制 1.3数值型数据的表示--定点数 1.4数值型数 ...
- 计算机组成原理-第一章
计算机组成原理第一章概述 一.计算机系统概述 1. 定义 2.分类 3.计算机系统的抽象层次 二.计算机系统的组成 1.计算机系统的硬件组成 1.1冯.诺依曼计算机(重点) 1.2现代计算机结构 1. ...
- 计算机组成原理读写周期波形图,第3章存储器层次结构-1讲述.ppt
第3章存储器层次结构-1讲述 计算机组成原理 * 计算机组成原理 --存储器层次结构(1) 2016-3-18 几个基本概念 1.存储器:计算机系统中的记忆设备,用来存放程序和数据. 2.存储元:存储 ...
- 计算机原理说课教案,《 计算机组成原理 》 说课
< 计算机组成原理 > 说课 View 114 Download 5 Embed Size (px) 344 x 292429 x 357514 x 422599 x 487 DESCRI ...
- 计算机组成原理2套题,计算机组成原理试卷及答案2套.doc
计算机组成原理试卷A 选择题(每小题2分,共30分) 下列数中最小的数是______. A.(100100)2 B.(43)8 C.(110010)BCD D.(25)16 计算机经历了从器件角度划分 ...
- 计算机组成原理实验pc,计算机组成原理实验报告5- PC实验
计算机组成原理实验报告5- PC实验 2.5 PC实验 姓名:孙坚 学号:134173733 班级:13计算机 日期:2015.5.15 一.实验要求:利用CPTH 实验仪上的K16..K23 开关做 ...
- 《计算机组成原理》----2.6 浮点数
本节书摘来自华章出版社<计算机组成原理>一书中的第2章,第2.6节, 作 者 Computer Organization and Architecture: Themes and Vari ...
- 计算机组成原理文华学院,华中科技大学文华学院计算机组成原理课设.doc
<华中科技大学文华学院计算机组成原理课设.doc>由会员分享,提供在线免费全文阅读可下载,此文档格式为doc,更多相关<华中科技大学文华学院计算机组成原理课设.doc>文档请在 ...
- 微型计算机组成原理考试,全国高等教育自学考试计算机组成原理模拟试题
第一部分 选择题(共15分) 一.单项选择题(本大题共15小题,每小题1分,共15分.在每小题列出的四个备选项中只有一个是符合题目要求的,请将其代码填写在题后的括号内.错选.多选或未选均无分.) 1. ...
最新文章
- linux 内核裁剪不当 死机,Linux編譯x86架構內核出現_stack_chk_guard未定義錯誤
- c语言文件实现通信录程序,学C三个月了,学了文件,用C语言写了个通讯录程序...
- 按钮跳转到其他ui界面_《明日方舟》UI/UX设计复盘
- 如何在没有域的环境中搭建AlwaysOn(二)
- Javascript第五章倒计时第二课
- 暑假学习日记2013/8/20
- Android中处理崩溃异常和分析日志的两种思路
- php7安装详解、,php7安装详解(windows环境)
- 【知识图谱系列】自适应深度和广度图神经网络模型
- 版权符号--如何在页面完美显示版权符号,版权符号字体
- Mac电脑进入恢复模式详细教程
- java话费充值代码_话费充值接口示例代码
- 新人成长:实习一个月感悟
- 基于UML的软件开发过程
- html5微信录音文件,微信H5录音实现
- centos7安装gparted分区工具及简单操作
- Nature Communications:基于弥散张量成像的人类纤维束连接体方法面临的挑战
- 向量叉乘的右手螺旋定则
- 上海大学计算机考研双非,双非逆袭211,告诉20的你们19考研有多难
- CStdioFile的用法