chinese corpus | BriefGPT - AI 论文速递

关键词chinese corpus

搜索结果 - 6

CORGI-PM: 一个用于探测和缓解性别偏见的中文语料库
提出了一种在中文语境下进行性别偏见标注的高质量标注语料库 CORGI-PM，其中包含 32.9k 个句子。同时，作者们还解决了文本性别偏见的自动去除中面临的三个挑战，即检测、分类和去除。作者观察到，这是首个用于性别偏见探测和去除的中文语境句
PDF2 years ago
COLINGConFiguRe: 探索汉语语篇层级的修辞手法
该研究提出了 “隐喻单元” 的概念，旨在从话语层面上提取隐喻单元，并将其分类为正确的隐喻类型。在 “ConFiguRe” 上，进行了三项任务，即隐喻单元提取、隐喻类型分类和隐喻识别，并展示了现有模型在这三项任务上的不足，需要进一步研究。
PDF2 years ago
GAU-based 模型的实现和实验的补充材料
本文重新分析了 Google 在今年 2 月提出的 Transformer 变种 FLASH 的实现细节；并在此基础上，提出一种基于 GAU 的模型，并在中文语料库上进行预训练。CLUE 基准测试结果表明，该模型的开发平均分为 75.02，
PDF2 years ago
Zero and R2D2: 一个大规模的中文跨模态基准和视觉语言框架
该研究报告介绍了一个面向中文语料库的大规模高质量跨模态基准（ZERO），该基准包含了最大的公共预训练数据集 ZERO-Corpus 和用于下游任务的五个人工注释微调数据集，并且提出了一个基于预排序和排序机制的 VLP 框架（R2D2），该框
PDF2 years ago
一个用于细粒度实体类型标注的中文语料库
本文提出了一个包含 4800 个手工标注的中文语料库，其用于细粒度实体分类。在实验中，我们展示了一些典型细粒度实体分类模型在我们的数据集上的表现，并显示了通过跨语言迁移学习提高中文细粒度实体分类的可能性。
PDF4 years ago
CLUECorpus2020：用于预训练语言模型的大规模中文语料库
本文介绍了 CLUE 组织的中文语料库 CLUECorpus2020，它是一个大规模的语料库，可直接用于自监督学习。它有 100G 原始语料库，其中包含 350 亿个中文字符，可以用于语言生成和语言模型的预训练。该论文进行了小型和大型的语言
PDF4 years ago