Update README.md
Browse files
README.md
CHANGED
@@ -1,3 +1,33 @@
|
|
1 |
---
|
2 |
license: mit
|
3 |
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
---
|
2 |
license: mit
|
3 |
---
|
4 |
+
# 模型名称
|
5 |
+
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
|
14 |
+
PROTECT 是一种先进的中文文本校正模型,专为在少量样本情况下的鲁棒性文本校正而设计。该模型能够自动检测并纠正句子中的错误,包括但不限于拼音错误、视觉错误和故意的文字攻击。
|
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
|