|
--- |
|
license: apache-2.0 |
|
--- |
|
|
|
|
|
## 介绍 |
|
|
|
> 基于macbert对mask language model微调，进行错字修改。 |
|
|
|
这个是在[shibing624/macbert4csc-base-chinese](https://huggingface.co/shibing624/macbert4csc-base-chinese/tree/main)的基础上进行修改， |
|
其对应的 [源码位置](https://github.com/shibing624/pycorrector/tree/master/pycorrector/macbert)。 |
|
|
|
## 使用 |
|
|
|
可参考[shibing624/macbert4csc-base-chinese](https://huggingface.co/shibing624/macbert4csc-base-chinese)。 |
|
|
|
## 改动 |
|
|
|
主要改动两个地方： |
|
1. MLM和错字检测二分类超参改成0.9和0.1（当然不一定是最优参数）。 |
|
2. 对错字检测二分类引入一个ScalarMix layer，原代码使用hidden_states最后一层，个人觉得稍微有点深以及学习起来可能更复杂。 |
|
|
|
## 思考 |
|
|
|
整体下来错字检测二分类对整体模型效果影响并没有很突出，以及整体模型效果并没有超出原作者多少，所以上传这个代码以及模型更多是为了学习记录与思考。 |
|
其以[pycorrector eval.py](https://github.com/shibing624/pycorrector/blob/master/pycorrector/utils/eval.py)跑出来的结果如下： |
|
|
|
corpus数据集： |
|
``` |
|
Sentence Level: acc:0.7200, precision:0.8804, recall:0.6154, f1:0.7244, cost time:5.67 s |
|
``` |
|
|
|
sighan2015数据集: |
|
``` |
|
Sentence Level: acc:0.7973, precision:0.8265, recall:0.7459, f1:0.7841, cost time:11.19 s |
|
``` |
|
|
|
|
