gated Transformer

TRANSFORMENTO DE GATO

Modelo de transformador pré-arraigado fechado para modelagem robusta de sequência a sequência denoada. Ele usa uma unidade de bloqueio para detectar e corrigir ruídos dos dados de texto e gerar alvo desnatado a partir de um decodificador generativo.

Neste trabalho, conduzimos nosso experimento em três tarefas -

• Texto denoising corrigido
• Tradução da máquina denoada
• Denoise Summarization

O transformador fechado é mostrado eficaz em -

• Ruído de OCR
• Erros de ortografia aleatória
• Ruídos baseados em teclado
• Inserção, exclusão, troca de ruídos baseados

Instalação para experimentos

 $ pip install -r requirements.txt

Comandos para executar

Treinando um denoiser

Modelo de sequência de transformadores pré-tenhado (por exemplo-Bart, T5)

 $ cd ./drive/MyDrive/gated-denoise/ && python train.py --train_file ./data.csv 
                                                  --model_path ./model/ --model_type bart --pretrained_encoder_path "facebook/bart-base" 
                                                  --mask_gate --copy_gate --generate_gate --skip_gate 
                                                  --epochs 15

Modelo do codificador do transformador (por exemplo - Bert2bert)

 $ cd ./drive/MyDrive/gated-denoise/ && python train.py --train_file ./data.csv 
                                                  --model_path ./model/ --model_type seq2seq 
                                                  --pretrained_encoder_path "bert-base-uncased" --pretrained_decoder_path "bert-base-uncased" 
                                                  --mask_gate --copy_gate --generate_gate --skip_gate 
                                                  --epochs 15

Inferência

 $ cd ./drive/MyDrive/gated-denoise/ && python predict.py --data_file ./data.csv 
                                                  --model_path ./model/ --model_type bart --pretrained_encoder_path "facebook/bart-base" 
                                                  --mask_gate --copy_gate --generate_gate --skip_gate 

Citação

Se você achar esse repositório útil, cite nosso artigo:

 @inproceedings {,
  author    = { Ayan Sengupta and
               Amit Kumar and
               Sourabh Kumar Bhattacharjee and
               Suman Roy } ,
  title     = { Gated Transformer for Robust De-noised Sequence-to-Sequence Modelling } ,
  booktitle = { } ,
  publisher = { } ,
  year      = { } ,
  url       = { } ,
  doi       = { } ,
}