
基于日语维基百科的BERT预训练模型 采用全词掩码技术
该BERT模型基于日语维基百科数据预训练,采用IPA词典和MeCab进行分词,并引入全词掩码技术。模型架构与BERT base一致,包含12层结构、768维隐藏状态和12个注意力头。训练语料来自2019年9月的日语维基百科,词表规模为32000。模型在Cloud TPUs上训练完成,遵循原始BERT的训练配置,并以CC BY-SA 3.0许可证发布。
这是一个基于日语文本预训练的BERT模型。该模型采用了全词掩码(Whole Word Masking)技术,并使用IPA词典进行分词处理。它由东北大学的研究团队开发,旨在为日语自然语言处理任务提供强大的基础模型。
该模型沿用了原始BERT base模型的架构,包含12层transformer结构,768维隐藏状态,以及12个注意力头。这种架构设计使得模型具有强大的语言理解和表示能力。
模型的训练语料来自2019年9月1日的日语维基百科数据dump。研究人员使用WikiExtractor工具从维基百科文章中提取了纯文本数据。最终用于训练的文本文件大小为2.6GB,包含约1700万个句子,为模型提供了丰富多样的日语语料。
该模型采用了两步分词策略。首先使用MeCab形态素分析器配合IPA词典对文本进行分词,然后再使用WordPiece算法将词切分成子词单元。最终的词表大小为32000。这种分词方法能够很好地处理日语的语言特点。
模型的训练配置与原始BERT保持一致:每个实例512个token,每批次256个实例,总共训练100万步。在masked language modeling(MLM)任务中,研究人员创新性地引入了全词掩码技术,即同时掩盖属于同一个词(由MeCab分词)的所有子词token。这种方法可以帮助模型更好地学习词级别的语义信息。
该预训练模型采用知识共享署名-相同方式共享3.0协议(CC BY-SA 3.0)进行分发。研究团队还特别感谢TensorFlow Research Cloud项目提供的Cloud TPU资源支持,这为大规模模型训练提供了重要保障。
作为一个专门针对日语优化的预训练模型,bert-base-japanese-whole-word-masking在各种日语自然语言处理任务中都有广阔的应用前景,如文本分类、命名实体识别、问答系统等。研究人员和开发者可以基于此模型进行微调,以解决特定的日语NLP问题。


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。


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。


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


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


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。


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。


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。


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。


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。
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