shibing624 commited on
Commit
27a63b7
1 Parent(s): cd8faa3

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +12 -6
README.md CHANGED
@@ -13,15 +13,15 @@ widget:
13
  ---
14
 
15
  # SongNet for Chinese Couplet(songnet-base-chinese-couplet) Model
16
- SongNet中文对联生成模型
17
 
18
  `songnet-base-chinese-couplet` evaluate couplet test data:
19
 
20
- The overall performance of T5 on couplet **test**:
21
 
22
- |input_text|target_text|pred|
23
- |:--- |:--- |:-- |
24
- |春回大地,对对黄莺鸣暖树|日照神州,群群紫燕衔新泥|福至人间,家家紫燕舞和风|
25
 
26
  在Couplet测试集上生成结果满足字数相同、词性对齐、词面对齐、形似要求,针对性的SongNet网络结构,在语义对仗工整和平仄合律上的效果明显优于T5和GPT2等模型。
27
 
@@ -61,9 +61,15 @@ sentences = [
61
  ]
62
  print("inputs:", sentences)
63
  print("outputs:", model.fill_mask(sentences))
64
-
65
  ```
66
 
 
 
 
 
 
 
 
67
 
68
  模型文件组成:
69
  ```
 
13
  ---
14
 
15
  # SongNet for Chinese Couplet(songnet-base-chinese-couplet) Model
16
+ SongNet中文对联仿写模型
17
 
18
  `songnet-base-chinese-couplet` evaluate couplet test data:
19
 
20
+ The overall performance of SongNet on couplet **test**:
21
 
22
+ |input_text|predict|
23
+ |:--- |:--- |
24
+ |一句相思吟岁月</s>千杯美酒醉风情|<bos>一生只剩诗和酒</s>满腹无关雪与梅</s>|
25
 
26
  在Couplet测试集上生成结果满足字数相同、词性对齐、词面对齐、形似要求,针对性的SongNet网络结构,在语义对仗工整和平仄合律上的效果明显优于T5和GPT2等模型。
27
 
 
61
  ]
62
  print("inputs:", sentences)
63
  print("outputs:", model.fill_mask(sentences))
 
64
  ```
65
 
66
+ output:
67
+ ```shell
68
+ inputs: ['严蕊<s1>如梦令<s2>道是梨花不是。</s>道是杏花不是。</s>白白与红红,别是东风情味。</s>曾记。</s>曾记。</s>人在武陵微醉。', '<s1><s2>一句相思吟岁月</s>千杯美酒醉风情', '<s1><s2>几树梅花数竿竹</s>一潭秋水半屏山<s1><s2>未舍东江开口咏</s>且施妙手点睛来', '<s1><s2>一去二三里</s>烟村四五家']
69
+ outputs: ['<bos>盛世欣开新气象</s>春联喜绘大文章</s>春天铺锦笺,宏图更写好山山</s>新篇章</s>新篇章</s>神州高唱好年华</s>', '<bos>一曲琴音添雅韵</s>几回酒醉解愁思</s>', '<bos>三分天下隆中对</s>四面八方九派江山笔底留</s>', '<bos>春深花已老</s>夜静露方浓</s>']
70
+ inputs: ['<s1><s2>一句____月</s>千杯美酒__情', '<s1><s2>一去二三里</s>烟村__家</s>亭台__座</s>八__枝花']
71
+ outputs: ['<bos>一句佳诗吟盛月</s>千杯美酒祝春情</s>', '<bos>一去二三里</s>烟村百二家</s>亭台十二座</s>八里一枝花</s>']
72
+ ```
73
 
74
  模型文件组成:
75
  ```