LinkBERT-base

LinkBERT-base模型在英文Wikipedia文章上进行了预训练，并包含超链接信息。它在论文 LinkBERT: Pretraining Language Models with Document Links (ACL 2022) 中介绍。代码和数据可在 this repository 中获取。

模型描述

LinkBERT是一个在大型文档语料库上进行预训练的Transformer编码器（类似于BERT的模型）。它是BERT的改进版本，可以捕捉到跨多个文档的知识，例如超链接和引用链接。具体而言，除了单个文档外，LinkBERT通过将链接的文档输入到相同的语言模型上下文中进行预训练。

LinkBERT可以作为BERT的替代模型使用。它在一般语言理解任务（如文本分类）中取得了更好的性能，并且在知识密集型任务（如问题回答）和跨文档任务（如阅读理解、文档检索）中尤为有效。

使用范围和限制

该模型可通过在下游任务上进行微调来使用，例如问题回答、序列分类和标记分类。您还可以使用原始模型进行特征提取（即获取输入文本的嵌入向量）。

如何使用

要在PyTorch中使用该模型获取给定文本的特征：

from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained('michiyasunaga/LinkBERT-base')
model = AutoModel.from_pretrained('michiyasunaga/LinkBERT-base')
inputs = tokenizer("Hello, my dog is cute", return_tensors="pt")
outputs = model(**inputs)
last_hidden_states = outputs.last_hidden_state

对于微调，您可以使用 this repository 或遵循其他BERT微调代码库的方法。

评估结果

在下游任务上进行微调时，LinkBERT达到了以下结果。

通用基准（ MRQA 和 GLUE ）：

引用

如果您在项目中使用了LinkBERT，请引用以下内容：

@InProceedings{yasunaga2022linkbert,
  author =  {Michihiro Yasunaga and Jure Leskovec and Percy Liang},
  title =   {LinkBERT: Pretraining Language Models with Document Links},
  year =    {2022},  
  booktitle = {Association for Computational Linguistics (ACL)},  
}