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。
GuwenBERT项目介绍
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 | 77.50 | 73.73 | 75.57 |
| 其他名称 | 85.85 | 89.32 | 87.55 |
| 微平均值 | 83.88 | 85.39 | 84.63 |
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
编辑推荐精选
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。
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。
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。
iTerms
企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
商汤小浣熊
最强AI数据分析助手
小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。
imini AI
像人一样思考的AI智能体
imini 是一款超级AI智能体，能根据人类指 令，自主思考、自主完成、并且交付结果的AI智能体。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号