懂AI
guwenbert-base

guwenbert-base

古文BERT模型 专为古文处理而设计助力文本解析

GuwenBERT是一款基于RoBERTa结构专为古文处理优化的模型。它使用殆知阁古代文献数据集进行训练，该数据集涵盖了佛教、儒学、医学和历史等多种主题文本。GuwenBERT适用于分句、标点符号插入及命名实体识别等任务，并在“古连杯”古籍命名实体识别评估中取得第二名的成绩。

句法分析Huggingface预训练模型GuwenBERTGithub开源项目模型实体识别古代汉语
访问官网GitHubHugging Face

GuwenBERT项目介绍

GuwenBERT

项目简介

GuwenBERT是一个基于RoBERTa模型的预训练项目，专注于古代汉语（文言文）。这个模型可以用于各种下游任务，例如句子断句、标点符号恢复、命名实体识别等。它能够帮助研究人员和开发人员更好地处理古代文献数据。

使用方式

若要使用GuwenBERT模型，可以通过Python的transformers库来加载：

from transformers import AutoTokenizer, AutoModel

tokenizer = AutoTokenizer.from_pretrained("ethanyt/guwenbert-base")

model = AutoModel.from_pretrained("ethanyt/guwenbert-base")

训练数据

GuwenBERT的训练数据来自“殆知阁古代文献”数据集，该数据集包含15,694本文言文书籍，涵盖了佛教、儒学、医学、历史、道教等领域。其中76%的文献带有标点符号。一共大约有17亿汉字，所有繁体字已被转化为简体字。这个数据集构建了一个包含23,292个词汇的词汇表。

训练过程

模型初始化采用了hfl/chinese-roberta-wwm-ext，并通过两步策略进行预训练。第一步中，只更新词嵌入以进行掩码语言模型（MLM）的学习，直至收敛。第二步则更新所有参数。

训练使用4台V100 GPU进行，总共120K步（其中20K用于步骤一，100K用于步骤二），批处理大小为2,048，序列长度为512。优化器使用的是Adam，学习率为2e-4，贝塔为(0.9,0.98)，epsilon为1e-6，权重衰减为0.01，前5K步进行学习率预热，随后进行线性衰减。

评估结果

GuwenBERT在“古联杯”古籍命名实体识别评估中获得了第二名。详细测试结果如下：

实体类型精确率召回率F1值
书名77.5073.7375.57
其他名称85.8589.3287.55
微平均值83.8885.3984.63

关于我们

我们是来自北京理工大学的数据锤团队。更多合作请联系：ethanyt [at] qq.com

由Tan Yan和Zewen Chi用❤️创建 Github icon Github icon

编辑推荐精选

扣子-AI办公

扣子-AI办公

职场AI，就用扣子

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命，一站式智能商拍平台

潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。

下拉加载更多