https://github.com/ZhuiyiTechnology/simbert

a bert for retrieval and generation
https://github.com/ZhuiyiTechnology/simbert

Last synced: 3 months ago
JSON representation

a bert for retrieval and generation

• Host: GitHub
• URL: https://github.com/ZhuiyiTechnology/simbert
• Owner: ZhuiyiTechnology
• License: apache-2.0
• Created: 2020-05-16T13:39:34.000Z (about 4 years ago)
• Default Branch: master
• Last Pushed: 2021-02-26T02:47:55.000Z (over 3 years ago)
• Last Synced: 2024-01-17T00:57:31.892Z (5 months ago)
• Language: Python
• Size: 20.5 KB
• Stars: 807
• Watchers: 9
• Forks: 153
• Open Issues: 26
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Lists

• awesome-stars-copy - ZhuiyiTechnology/simbert - a bert for retrieval and generation (Python)

README

        
# SimBERT

基于UniLM思想、融检索与生成于一体的BERT模型。

权重下载：https://github.com/ZhuiyiTechnology/pretrained-models

## 模型简介



假设SENT_a和SENT_b是一组相似句，那么在同一个batch中，把[CLS] SENT_a [SEP] SENT_b [SEP]和[CLS] SENT_b [SEP] SENT_a [SEP]都加入训练，做一个相似句的生成任务，这是Seq2Seq部分。

另一方面，把整个batch内的[CLS]向量都拿出来，得到一个bxd的句向量矩阵V（b是batch_size，d是hidden_size），然后对d维度做l2归一化，得到新的V，然后两两做内积，得到bxv的相似度矩阵VV^T，接着乘以一个scale（我们取了30），并mask掉对角线部分，最后每一行进行softmax，作为一个分类任务训练，每个样本的目标标签是它的相似句（至于自身已经被mask掉）。说白了，就是把batch内所有的非相似样本都当作负样本，借助softmax来增加相似样本的相似度，降低其余样本的相似度。

详细介绍请看：[https://kexue.fm/archives/7427](https://kexue.fm/archives/7427)

## 训练环境

tensorflow 1.14 + keras 2.3.1 + bert4keras 0.7.7

## 如何引用

Bibtex：

```tex

@techreport{simbert,

  title={SimBERT: Integrating Retrieval and Generation into BERT},

  author={Jianlin Su},

  year={2020},

  url="https://github.com/ZhuiyiTechnology/simbert",

}

```

 ## 联系我们

邮箱：[email protected]

## 相关链接

追一科技：https://zhuiyi.ai