mask_prediction 관련 문의 about lmkor HOT 4 CLOSED

안녕하세요.

먼저,
언어모델을 학습하기 위해서 문장을 특정단위(token)으로 끊게 됩니다.

해당 부분에 대해서는 다음 영상을 참고해 주세요: https://youtu.be/Z201jwWo-xs?t=1780

mask는 이 중 한 token을 예측하는 것입니다.
제가 학습한 wordpiece로 tokenizing을 했을 때 '믿다'를 '믿, 다'로 2개로 분절해 연산한다면 mask에서 '믿다'라는게 나올 수 없습니다. mask는 하나의 token만 예측하기 때문입니다.

따라서 첫번째 태스크인 '이 나라는 불교를 mask.'의 경우 '믿다'보다 여러 종결어미들이 추천된 것 같습니다. 이는 tokenizing하는 방법에 따라 결과가 달라 질 수 있고, 만약 단어사전에 '믿다'라는 token이 있는 경우 '믿다'로 예측할 수도 있을 것입니다.

다음,
fill-mask task는 모델을 학습할 때 쓰는 task(masked language model)이며 따로 성능지표는 없습니다.
예를들어 '이 나라는 불교를 mask.'에서 mask에 들어갈 수 있는 단어는 여러 개가 될 것입니다. 복수의 정답이 있는 경우 task로 하기는 적합하지 않다고 생각됩니다. 다만 학습을 할 때는 이러한 복수의 정답 중 어떤 것들이 확률적으로 많이 나타나는지 아닌지를 학습하기 때문에 많이 활용하고 있습니다.

좋은 연구 하십시오.
감사합니다!

from lmkor.

fine-tuning을 하려고 하는 task가 무엇인지에 따라 다를것 같습니다.
가장 간단한 sequence_classificatio의 경우 아래에서 colab으로 가능하니 확인 해보셔요.
https://github.com/kiyoungkim1/ReadyToUseAI

디지털인문학이라니 어떤 분야인지 궁금합니다.
저희도 텍스트에 관심이 많은데 서울에 오실 일이 있으시면 한번 구경 오시겠어요?
간단한 부분은 도움 드릴 수도 있을 것 같습니다.

[email protected]로 메일 주시길 부탁드립니다.

from lmkor.

감사합니다. 연구에 큰 도움이 되었습니다.
저는 NLP를 주로 활용하는 디지털인문학 연구자입니다.
논문에서 김기영님의 모델을 활용하게 되면 꼭 인용하겠습니다.

from lmkor.

혹시 만드신 모델에 제가 가진 데이터를 Fine-Tuning 하는 코드가 따로 있을까요?

from lmkor.