我已经从https://github.com/botxo/nordic_bert下载了挪威 BERT 模型,并使用以下方法加载它:
import transformers as t
model_class = t.BertModel
tokenizer_class = t.BertTokenizer
tokenizer = tokenizer_class.from_pretrained(/PATH/TO/MODEL/FOLDER)
model = model_class.from_pretrained(/PATH/TO/MODEL)
model.eval()
这非常有效,但是当我尝试对给定句子进行标记时,一些北欧字符(例如“ø”和“æ”)保持不变,而所有具有字符“å”的单词都被替换为“a”。例如:
s = "æ ø å løpe få ærfugl"
print(tokenizer.tokenize(s))
产量:
['æ', 'ø', 'a', 'løp', '##e', 'fa', 'ær', '##fugl']
谢谢