SPBERT MLM+WSO (Inicializado)
razent
Pregunta y respuesta
SPBERT: Un BERT de pre-entrenamiento eficiente en consultas SPARQL para responder preguntas sobre gráficos de conocimiento. Este modelo está diseñado para mejorar la respuesta a preguntas mediante el uso de consultas SPARQL sobre gráficos de conocimiento.
Como usar
Para más detalles, consulte nuestro repositorio de Github.
Aquí hay un ejemplo en Pytorch:
from transformers import AutoTokenizer, AutoModel
tokenizer = AutoTokenizer.from_pretrained('razent/spbert-mlm-wso-base')
model = AutoModel.from_pretrained('razent/spbert-mlm-wso-base')
text = 'select * where brack_open var_a var_b var_c sep_dot brack_close'
encoded_input = tokenizer(text, return_tensors='pt')
output = model(**encoded_input)
o Tensorflow
from transformers import AutoTokenizer, TFAutoModel
tokenizer = AutoTokenizer.from_pretrained('razent/spbert-mlm-wso-base')
model = TFAutoModel.from_pretrained('razent/spbert-mlm-wso-base')
text = 'select * where brack_open var_a var_b var_c sep_dot brack_close'
encoded_input = tokenizer(text, return_tensors='tf')
output = model(encoded_input)
Funcionalidades
- Transformers
- PyTorch
- TensorFlow
- JAX
- BERT
- Rellenar máscara
- Gráfico de conocimiento
Casos de uso
- Respuesta a preguntas utilizando consultas SPARQL sobre gráficos de conocimiento.
- Mejorar la interacción con gráficos de conocimiento mediante consultas específicas.