中文预训练模型生成字向量学习,测试BERT,ELMO的中文效果
参考 bert-as-service,只保留生成embedding的代码。
想要了解具体的bert实现,请参考 google-bert
已经预训练好的模型,请访问 模型链接.
bert_classification。基于 bert 的分类模型,下游任务(二分类、多分类、多标签分类都可以修改)
ELMO : Deep contextualized word representations https://arxiv.org/abs/1802.05365
参考 ELMO-tf,修改部分代码,适应于中文语料。 这位韩国小哥哥写的代码很清晰,相对于原始的实现,可读性好很多。原始的实现需要自行整理,搭建中文处理机制。
最原始的 ELMO 实现原理,请参考 Deep contextualized word representations
其他基于 ELMO 的chinese 版本实现,请访问 ELMO chinese.
中文词向量:https://github.com/Embedding/Chinese-Word-Vectors 腾讯词向量:链接:https://pan.baidu.com/s/1meeKUBKbGMyTGrx664F4Ng 密码:xfh1
执行word2vec目录下,word2vec_embedding.py文件即可。
该项目使用腾讯词向量进行 词向量、句向量的计算。
使用:
下载腾讯词向量,tencent_45000.txt 应该就可以了
#!/usr/bin/env bash
# 重置git的方法,(第二步需要 修改,git add 最好手动确定下)
#1. Checkout
git checkout --orphan latest_branch
#2. Add all the files
git add -A
#3. Commit the changes
git commit -am "commit message"
#4. Delete the branch
git branch -D master
#5.Rename the current branch to master
git branch -m master
#6.Finally, force update your repository
git push -f origin master