BERT_NER模型权重

对应这篇文章的数据集，小伙伴们自行取走： https://sito8.blog.csdn.net/article/details/123233758?spm=1001.2014.3001.5502

适用于ppt分享

基于BERT的德语社交媒体文本情感分析，李澜，叶勇超，德语语法复杂,语序多变,造成其社交媒体文本情感分析难度较大,相关研究较少。为解决以上研究难点,本文分析了德语及其社交媒体文本��

使用bert进行文本情感分类的源码

情境化主题模型 上下文化主题模型（CTM）是一系列主题模型，这些主题模型使用语言的预训练表示形式（例如BERT）来支持主题建模。有关详细信息，请参见论文： Bianchi，F.，Terragni，S.，Hovy，D.，Nozza，D.，＆Fersini，E.（2021）。具有零镜头学习功能的跨语言情境主题模型。 EACL。 Bianchi，F.，Terragni，S.和Hovy，D.（2020年）。预培训是一个热门话题：上下文化文档嵌入可提高主题一致性 具有上下文嵌入的主题建模 我们的新主题建模系列支持许多不同的语言（即，HuggingFace模型支持的一种），并有两个版本： CombinedTM将上下文嵌入与旧的单词组合在一起，以使主题更连贯； ZeroShotTM是完成任务的理想主题模型，在该模型中，您可能在测试数据中缺少单词，并且，如果经过多语言嵌入训练，则可以继承多语言主题模型

How to Fine-Tune BERT for Text Classification

“基于预训练的自然语言生成以进行文本汇总”的实现 论文： : 版本号 python 2.7 PyTorch：1.0.1.post2 准备包/数据集 运行： pip install -r requirements.txt以安装所需的软件包 从以下位置下载块CNN / DailyMail数据： : 运行： python news_data_reader.py创建将在我的数据加载器中使用的泡菜文件 运行模型 对我来说，该模型对我的GPU来说太大了，因此我使用了以下较小的参数进行调试。 CUDA_VISIBLE_DEVICES=3 python main.py --cuda --batch_size=2 --hop 4 --hidden_dim 100 审阅者须知： 尽管我实现了核心部分（使用BERT进行两步汇总生成），但是我没有足够的时间来实现RL部分。 第二个解码器过程非常耗时

BERT-Relation-Extraction

赛道3-科讯嘉联灵珠团队1