Apr, 2019

ERNIE: 知识融合增强的表示学习

PDF
TL;DRERNIE 是一种新颖的语言表示模型，通过知识集成增强，它设计了基于实体级屏蔽和短语级屏蔽的屏蔽策略，实验结果证明，ERNIE 在自然语言推理、语义相似性、命名实体识别、情感分析和问答等五个中文自然语言处理任务上均取得了新的最佳表现。
ernieknowledge integrationlanguage representationmasking strategynatural language processing
发现论文，激发创造
  • ERNIE: 增强语言表示与信息实体

    本文提出了 ERNIE，使用大规模的文本语料库和知识图谱（KGs）同时训练，利用 KGs 中的外部知识来增强语言表征，实验证明在不同知识驱动任务上 ERNIE 显著提高性能，同时在其他常见 NLP 任务上与 BERT 的性能相当。

    May, 2019

  • ERNIE-Gram: 显式 N-Gram Masked 语言模型的预训练用于自然语言理解

    该论文提出 ERNIE-Gram，一种显式 n-gram 屏蔽方法，可以将粗粒度的语言信息有效地融入预训练中，通过在 19 个后续任务上的实验结果表明，ERNIE-Gram 可以大幅优于先前的预训练模型，也可以与最先进的方法相媲美。

    Oct, 2020

  • ERNIE 2.0：面向语言理解的持续预训练框架

    提出一种名为 ERNIE 2.0 的持续预训练框架，通过不断的多任务学习构建和学习预训练任务，以从训练语料库中提取词汇、句法和语义信息。实验结果表明，在包括 GLUE 基准测试中的 16 个任务（包括英文任务和中文中的几个常见任务）中，ERNIE 2.0 的表现优于 BERT 和 XLNet。已经在 https://github.com/PaddlePaddle/ERNIE 发布了源代码和预训练模型。

    Jul, 2019

  • 百度搜索中用于 Web 规模检索的预训练语言模型

    本文描述了一种使用最新的中文预训练语言模型 ERNIE 开发和部署检索系统的方法，并通过离线和在线实验表明该系统性能良好，特别是对于那些查询需求不常见的查询，该检索系统可以大大提高搜索引擎的易用性和适用性。

    Jun, 2021

  • ERNIE 3.0：大规模知识增强的语言理解与生成预训练

    提出了一种统一的框架 ERNIE 3.0，用于预训练大规模知识增强模型，利用自回归网络和自编码网络相结合的方法来让训练好的模型适用于自然语言理解和生成任务，结果表明，该模型在 54 个中文 NLP 任务上优于现有技术，英文版本超越人类表现 + 0.8%。

    Jul, 2021

  • 通过场景图增强知识的视觉 - 语言表示：ERNIE-ViL

    ERNIE-ViL 是一种以结构化场景图中的知识为基础的知识增强方法，通过构建预测任务，即物体预测、属性预测和关系预测任务，学习视觉 - 语言的联合表征，能在多种跨模态下游任务中取得最先进的表现。

    Jun, 2020

  • ERNIE 3.0 Titan：探索基于知识增强的大规模预训练技术在语言理解和生成方面的应用

    该研究提出了 ERNIE 3.0 Titan 模型，它是目前最大的中文密集预训练模型，其使用预训练语言模型取得了在 68 个自然语言处理任务上的最佳性能。

    Dec, 2021

  • ERNIE-GEN: 自然语言生成的增强多流程预训练和微调框架

    提出了一种增强型的多流序列到序列预训练及微调框架 ERNIE-GEN，用于多种语言生成任务中，实现了比现有预训练方法更高的性能，并且使用更少的预训练数据和参数量。

    Jan, 2020

  • 通过单语语料库对跨语言语义进行对齐，增强多语言表示能力的 ERNIE-M 模型

    本研究提出了 ERNIE-M 模型，采用反向翻译技术产生伪平行语料，从而增强跨语言模型的语义建模能力，并经过实验证明，相对现有跨语言模型，ERNIE-M 能够更好地适用于跨语言任务。

    Dec, 2020

  • ERNIE-Layout：基于排版知识增强的视觉化文档理解预训练

    提出了 ERINIE-Layout，一种新颖的以布局知识增强的文档预训练解决方案，通过整个工作流程来学习将文本、布局和图像特征结合起来的更好表现，以及如何在文档中学习适当的阅读顺序。实验结果表明，ERNIE-Layout 在各种下游任务上取得了卓越的性能，成为关键信息提取、文档图像分类和文档问答数据集的新的最先进技术，且代码和模型公开。

    Oct, 2022