请使用'Bert'相关函数加载此模型！

此存储库包含我们的论文“重新审视针对中文自然语言处理的预训练模型”的资源，该论文将发布在“ Findings of EMNLP ”中。您可以通过 ACL Anthology 或 arXiv pre-print 阅读我们的终稿论文。

Revisiting Pre-trained Models for Chinese Natural Language Processing 崔一鸣，车万翔，刘挺，秦兵，王世进，胡国平

您可能还对以下内容感兴趣，

• 中文BERT系列： https://github.com/ymcui/Chinese-BERT-wwm
• 中文ELECTRA： https://github.com/ymcui/Chinese-ELECTRA
• 中文XLNet： https://github.com/ymcui/Chinese-XLNet
• 知识蒸馏工具包-TextBrewer： https://github.com/airaria/TextBrewer

HFL的更多资源： https://github.com/ymcui/HFL-Anthology

简介

MacBERT是一个改进的BERT，具有新的MLM增强预训练任务，可以减轻预训练和微调之间的差异。

我们提出了使用类似词进行掩码而不是[MASK]标记的方法，因为[MASK]标记在微调阶段从不出现。类似词通过使用 Synonyms toolkit (Wang and Hu, 2017) 获取，该方法基于word2vec（Mikolov et al.，2013）相似性计算。如果选择对N-gram进行遮罩，我们将单独查找相似词。在罕见情况下，当没有相似词时，我们将采用随机词替换的方法。

这是我们预训练任务的一个示例。

除了新的预训练任务，我们还采用了以下技术：

• 整字掩码（WWM）
• N-gram掩码
• 句子顺序预测（SOP）

请注意，我们的MacBERT可以直接替换原始BERT，因为主要神经架构没有区别。

有关更多技术细节，请查阅我们的论文： Revisiting Pre-trained Models for Chinese Natural Language Processing

引用

如果您发现我们的资源或论文有用，请考虑在您的论文中包含以下引用。

• https://arxiv.org/abs/2004.13922

@inproceedings{cui-etal-2020-revisiting,
    title = "Revisiting Pre-Trained Models for {C}hinese Natural Language Processing",
    author = "Cui, Yiming  and
      Che, Wanxiang  and
      Liu, Ting  and
      Qin, Bing  and
      Wang, Shijin  and
      Hu, Guoping",
    booktitle = "Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: Findings",
    month = nov,
    year = "2020",
    address = "Online",
    publisher = "Association for Computational Linguistics",
    url = "https://www.aclweb.org/anthology/2020.findings-emnlp.58",
    pages = "657--668",
}