Update README.md
Browse files
README.md
CHANGED
|
@@ -6,8 +6,11 @@ PROTECT: Parameter-Efficient Tuning for Few-Shot Robust Chinese Text Correction
|
|
| 6 |
|
| 7 |
# 模型开发者
|
| 8 |
Xuan Feng (Ph.D. candidate, Jinan University)
|
|
|
|
| 9 |
Tianlong Gu (Professor, Jinan University)
|
|
|
|
| 10 |
Liang Chang (Professor, Guilin University of Electronic Technology)
|
|
|
|
| 11 |
Xiaoli Liu (Associate Professor, Jinan University)
|
| 12 |
|
| 13 |
# 模型概述
|
|
@@ -15,19 +18,26 @@ PROTECT 是一种先进的中文文本校正模型，专为在少量样本情况
|
|
| 15 |
|
| 16 |
# 模型功能
|
| 17 |
检测和纠正非规范文本和网络用语
|
|
|
|
| 18 |
抵御对抗性攻击，增强内容审核的鲁棒性
|
|
|
|
| 19 |
支持多种文本错误的校正，包括完美拼音、缩写拼音、字符分割、视觉和语音错误
|
| 20 |
|
| 21 |
# 模型性能
|
| 22 |
在全数据和低资源设置下均展现出最佳性能
|
|
|
|
| 23 |
通过仅调整0.2%的参数实现零样本和少样本学习
|
| 24 |
|
| 25 |
# 模型架构
|
| 26 |
对抗感知的多特征表示方法
|
|
|
|
| 27 |
上下文特定自适应前缀（Context-specific Adaptive Prefix, CAP）
|
|
|
|
| 28 |
语义一致低秩适应模块（Semantic-consistent Low-rank Adaptation, SLA）
|
| 29 |
|
| 30 |
# 使用场景
|
| 31 |
社交媒体内容审核
|
|
|
|
| 32 |
中文文本校正和拼写检查
|
|
|
|
| 33 |
对抗性文本攻击的防御
|
|
|
|
| 6 |
|
| 7 |
# 模型开发者
|
| 8 |
Xuan Feng (Ph.D. candidate, Jinan University)
|
| 9 |
+
|
| 10 |
Tianlong Gu (Professor, Jinan University)
|
| 11 |
+
|
| 12 |
Liang Chang (Professor, Guilin University of Electronic Technology)
|
| 13 |
+
|
| 14 |
Xiaoli Liu (Associate Professor, Jinan University)
|
| 15 |
|
| 16 |
# 模型概述
|
|
|
|
| 18 |
|
| 19 |
# 模型功能
|
| 20 |
检测和纠正非规范文本和网络用语
|
| 21 |
+
|
| 22 |
抵御对抗性攻击，增强内容审核的鲁棒性
|
| 23 |
+
|
| 24 |
支持多种文本错误的校正，包括完美拼音、缩写拼音、字符分割、视觉和语音错误
|
| 25 |
|
| 26 |
# 模型性能
|
| 27 |
在全数据和低资源设置下均展现出最佳性能
|
| 28 |
+
|
| 29 |
通过仅调整0.2%的参数实现零样本和少样本学习
|
| 30 |
|
| 31 |
# 模型架构
|
| 32 |
对抗感知的多特征表示方法
|
| 33 |
+
|
| 34 |
上下文特定自适应前缀（Context-specific Adaptive Prefix, CAP）
|
| 35 |
+
|
| 36 |
语义一致低秩适应模块（Semantic-consistent Low-rank Adaptation, SLA）
|
| 37 |
|
| 38 |
# 使用场景
|
| 39 |
社交媒体内容审核
|
| 40 |
+
|
| 41 |
中文文本校正和拼写检查
|
| 42 |
+
|
| 43 |
对抗性文本攻击的防御
|