215 похожих чатов

Доброго дня. Скажите, не встречался ли кто-нибудь с задачами классификации

документов (напр., различных форм бухгалтерских отчетов) на основе NLP? Я планирую засовывать страницы в тессеракт и обучать классификатор BERT на датасете с полным текстом страниц и метками типа документов, но из-за объема текста на странице мне кажется, что должны быть более простые и быстрые в работе решения.

2 ответов

13 просмотров

Посмотрите работу от майкрософта https://github.com/microsoft/unilm

У Берта максимальная входная последовательность - 512 токенов (слова, подслова, пунктуация), так что весь документ в него не влезет. Можно разбивать текст на чанки и классифицировать их. И потом как-то объединять метки... Может, вам подойдёт вариант: получить от Берта усреднённый вектор всего документа, а потом кластеризовать полученные документы.

Похожие вопросы

Обсуждают сегодня

Господа, а что сейчас вообще с рынком труда на делфи происходит? Какова ситуация?
Rꙮman Yankꙮvsky
29
А вообще, что может смущать в самой Julia - бы сказал, что нет единого стандартного подхода по многим моментам, поэтому многое выглядит как "хаки" и произвол. Короче говоря, с...
Viktor G.
2
30500 за редактор? )
Владимир
47
а через ESC-код ?
Alexey Kulakov
29
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
14
Добрый день! Скажите пожалуйста, а какие программы вы бы рекомендовали написать для того, чтобы научиться управлять памятью? Можно написать динамический массив, можно связный ...
Филипп
7
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
Ребят в СИ можно реализовать ООП?
Николай
33
https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_h_common.erl#L174 https://github.com/erlang/otp/blob/OTP-27.1/lib/kernel/src/logger_olp.erl#L76 15 лет назад...
Maksim Lapshin
20
Карта сайта