p208p2002 / taipei-qa-bert Goto Github PK

你好:
如果我同一個資料會有多種不同標記情況的話
我應該如何修改讓BERT學到這種情況

謝謝

你好，想請問一下這一套有辦法用在英文的資料上嗎?要如何更換,謝謝

你好:
我想請教一下您的程式中tokenizer.build_inputs_with_special_tokens中你只放了q進去。也就是只轉換成[CLS]Sentence_Q[SPE]形式。那這樣如何找到Q和A的對應關係，因為BertForSequenceClassification輸入形式不是應該是[CLS]Sentence_Q[SPE]sentence_A[SEP]這樣嗎

Thanks for your help

請問您知道哪裡有類似像你這個project範例的數據集
像這種做成 分類問題FAQ的中文數據集呢

謝謝~

請問我若輸入的問題是訓練集的其中一項，但我簡化這項問題或換句話說，是否也能達到同樣的回答?
因為我看到的預測檔案，好像只有用訓練集的問題

你好，我想請教一下
如果user有多個intend時候該如何處理?
比如說我想去二二八公園公車票價調漲嗎?但我測試他正確來說應該要回 臺北市公共運輸處大眾運輸科
但似乎給出的事我想去二二八公園所對應的答案"臺北市政府文化局"
希望可以一起討論學習，謝謝

請問您的做法是整個BERT+FFN下去Fine Tune訓練，還是BERT的部分固定參數只有後面FFN訓練呢?

謝謝

您好，感謝您釋出台北QA的程式碼，有個問題想請教您~
想請問除了word embedding、position embedding、segment embegginh等三者之外，如果有其他的feature做成的embedding，要如何使其能相疊並且送入BERT model去訓練呢？
感謝您 =D

你好
最近看到您的更新多了Albert Model
想請教一下有關於Albert 在這個dataset上是否正確率有比BERT高呢?
因為我在我自己的dataset上，在BERT的accuracy是70%，但在Albert accuracy是23%
不太確定問題所在

你好
我想向你請教一個問題，因為你的TaipeiQA是 多Q對應1A (一個answer當作一類，總共149類) 情況
如果在面對 非多Q1A 的情況，BERT可能就會很難 好得學習，這樣情況應該如何處理?
謝謝