bert-as-language-model

bert-as-language-model

将BERT用作双向语言模型的开源实现

该项目展示了BERT模型作为双向语言模型的实现方法。通过计算句子概率和困惑度,可评估文本质量。项目提供Web演示供用户体验。该实现充分利用BERT的上下文理解能力,提高了句中各词概率预测的准确性,从而在语言建模任务中实现更佳效果。

BERT语言模型概率计算双向上下文句子困惑度Github开源项目

🤗演示 | 📖英文案例 | [📖中文案例](https://github.com/xu-song/bert-as-language-model/blob/master/cases/test.zh.md |

BERT作为语言模型

对于一个句子 <img src="https://www.zhihu.com/equation?tex=S%20=%20w_1,%20w_2,...,%20w_k" alt="S = w_1, w_2,..., w_k" eeimg="1">,我们有

<img src="https://www.zhihu.com/equation?tex=p(S)%20=%20\prod_{i=1}^{k}%20p(w_i%20|%20context)" alt="p(S) = \prod_{i=1}^{k} p(w_i | context)" eeimg="1">

在传统的语言模型中,如RNN,<img src="https://www.zhihu.com/equation?tex=context%20=%20w_1,%20...,%20w_{i-1}" alt="context = w_1, ..., w_{i-1}" eeimg="1">

<img src="https://www.zhihu.com/equation?tex=p(S)%20=%20\prod_{i=1}^{k}%20p(w_i%20|%20w_1,%20...,%20w_{i-1})" alt="p(S) = \prod_{i=1}^{k} p(w_i | w_1, ..., w_{i-1})" eeimg="1">

在双向语言模型中,它有更大的上下文,<img src="https://www.zhihu.com/equation?tex=context+%3d+w_1%2c+...%2c+w_%7bi-1%7d%2cw_%7bi%2b1%7d%2c...%2cw_k" alt="context = w_1, ..., w_{i-1},w_{i+1},...,w_k" eeimg="1">

在这个实现中,我们简单地采用以下近似,

<img src="https://www.zhihu.com/equation?tex=p(S)+%5capprox+%5cprod_%7bi%3d1%7d%5e%7bk%7d+p(w_i+%7c+w_1%2c+...%2c+w_%7bi-1%7d%2cw_%7bi%2b1%7d%2c+...%2cw_k)" alt="p(S) \approx \prod_{i=1}^{k} p(w_i | w_1, ..., w_{i-1},w_{i+1}, ...,w_k)" eeimg="1">

演示

Hugging Face Spaces 尝试Web演示

测试案例

[更多案例:中文](https://github.com/xu-song/bert-as-language-model/blob/master/cases/test.zh.md

export BERT_BASE_DIR=model/uncased_L-12_H-768_A-12 export INPUT_FILE=data/lm/test.en.tsv python run_lm_predict.py \ --input_file=$INPUT_FILE \ --vocab_file=$BERT_BASE_DIR/vocab.txt \ --bert_config_file=$BERT_BASE_DIR/bert_config.json \ --init_checkpoint=$BERT_BASE_DIR/bert_model.ckpt \ --max_seq_length=128 \ --output_dir=/tmp/lm_output/

对于以下测试用例

$ cat data/lm/test.en.tsv there is a book on the desk there is a plane on the desk there is a book in the desk $ cat /tmp/lm/output/test_result.json

输出:

# prob: 概率 # ppl: 困惑度 [ { "tokens": [ { "token": "there", "prob": 0.9988962411880493 }, { "token": "is", "prob": 0.013578361831605434 }, { "token": "a", "prob": 0.9420605897903442 }, { "token": "book", "prob": 0.07452250272035599 }, { "token": "on", "prob": 0.9607976675033569 }, { "token": "the", "prob": 0.4983428418636322 }, { "token": "desk", "prob": 4.040586190967588e-06 } ], "ppl": 17.69329728285426 }, { "tokens": [ { "token": "there", "prob": 0.996775209903717 }, { "token": "is", "prob": 0.03194097802042961 }, { "token": "a", "prob": 0.8877727389335632 }, { "token": "plane", "prob": 3.4907534427475184e-05 # 低概率 }, { "token": "on", "prob": 0.1902322769165039 }, { "token": "the", "prob": 0.5981084704399109 }, { "token": "desk", "prob": 3.3164762953674654e-06 } ], "ppl": 59.646456254851806 }, { "tokens": [ { "token": "there", "prob": 0.9969795942306519 }, { "token": "is", "prob": 0.03379646688699722 }, { "token": "a", "prob": 0.9095568060874939 }, { "token": "book", "prob": 0.013939591124653816 }, { "token": "in", "prob": 0.000823647016659379 # 低概率 }, { "token": "the", "prob": 0.5844194293022156 }, { "token": "desk", "prob": 3.3361218356731115e-06 } ], "ppl": 54.65941516205144 } ]

编辑推荐精选

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。

iTerms

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

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

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

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

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。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
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
商汤小浣熊

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

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。

下拉加载更多