Bert 模型采取了两个预训练任务：Masked Language Model和Next Sentence Prediction，而这两个任务都是基于BertPreTrainedModel抽象基类。
2.1 BertPreTrainedModel
所有Bert-based的模型，包括预训练模型和下游任务模型都是基于BertPreTrainedModel类，用于初始化权重参数和加载预训练描述。同时也继承了PreTrainedModel的变量和方法。
2022-09-21 18:07:14
22KB
1
之前做小程序开发时，遇到要实现过长文本进行的折叠的效果（类型微信朋友圈那种）。主要交互有三点：让文本过长时折叠、并显示一个“全文”的点击文本当用户点击“全文”则会展开被折叠的文本，并切换该按钮为“收起 ...
之前做小程序开发时，遇到要实现过长文本进行的折叠的效果（类型微信朋友圈那种）。主要交互有三点：
让文本过长时折叠、并显示一个“全文”的点击文本
当用户点击“全文”则会展开被折叠的文本，并切换该按钮为“收起”
对不过长的文本则正常显示
本质上，要实现这个效果得解决两个问题：
判断文本是否过长的标准
文本过长时样式如何折叠
判断文本是否过长
所谓文本过长就是文本占据的高度太大，之
2022-05-18 18:47:19
59KB
1
基于CTPN（tensorflow） CRNN（pytorch） CTC的不定长文本检测和识别
2022-02-16 14:02:32
6.98MB
1
Doc2Vec文本分类
文本分类模型，该模型使用gensim Doc2Vec生成段落嵌入，并使用scikit-learn Logistic回归进行分类。
数据集
25,000个IMDB电影评论，特别选择用于情感分析。 评论的情绪是二进制的（1表示肯定，0表示否定）。
与以下出版物相关联地收集了此源数据集：
Andrew L. Maas, Raymond E. Daly, Peter T. Pham, Dan Huang, Andrew Y. Ng, and Christopher Potts. (2011). "Learning Word Vectors for Sentiment An
2021-08-22 20:41:39
12.96MB
1
情感分析旨在分类出文本在不同方面的情感倾向。在长文本的方面级情感分析中，由于长文本存在一定冗余性和噪声大的问题，导致现有的方面级情感分析方法对于长文本中方面相关信息的特征提取不够充分，分类不精准；在方面分层为粗粒度和细粒度方面的数据集上，现有的解决方法没有利用粗粒度方面中的信息。针对以上问题，提出基于文本筛选和改进BERT的算法TFN+BERT-Pair-ATT。该算法首先利用长短时记忆网络（LSTM）和注意力机制相结合的文本筛选网络（TFN）从长文本中直接筛选出与粗粒度方面相关的部分语句，然后将部分语句按次序进行组合，并结合细粒度方面输入至在BERT上增加注意力层的BERT-Pair-ATT中进行特征提取，最后使用Softmax进行情感分类。通过与GCAE(Gated Convolutional Network with Aspect Embedding）、IAN（Interactive Attention Network）等经典模型相比，该算法在验证集上的相关评价指标分别提高了3. 66%和4. 59%；与原始BERT模型相比提高了0. 58%。
2021-07-15 15:09:52
807KB
1
平滑滚动显示任意长文本系统结构:易语言平滑滚动显示任意长文本源码,平滑滚动显示任意长文本 ======窗口程序集1 || ||------__启动窗口_创建完毕 || ||------_时钟1_周期事件 || ||------_按钮
2021-06-17 08:31:04
5KB
1
易语言制作的文本替换工具，在书写重复代码时，替换文本挺好用的
保留修改：保留替换字符（默认清除）
自动复制：转换后自动复制
2021-06-17 00:02:44
692KB
1
可提取文本框输入数据中的某一段打印出标签，常用于二维码包含较多信息，而需要打印的只是其中包含的ID号等，可根据需求略改即可
2021-04-21 14:05:41
439KB
1