Моим советом было бы передать параметр запроса.
Скажите Javascript использовать URL-адрес, например
host.local/my-script.php?callFunction=helloWorld
, и скажите php обрабатывать запрос object
Попробуйте это: https://github.com/huggingface/pytorch-pretrained-BERT
Сначала вы должны настроить его , правильно с
pip install -U pytorch-pretrained-bert
Тогда вы можете использовать «модель языка маски» из алгоритма BERT, например,
import torch
from pytorch_pretrained_bert import BertTokenizer, BertModel, BertForMaskedLM
# OPTIONAL: if you want to have more information on what's happening, activate the logger as follows
import logging
logging.basicConfig(level=logging.INFO)
# Load pre-trained model tokenizer (vocabulary)
tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')
text = '[CLS] I want to [MASK] the car because it is cheap . [SEP]'
tokenized_text = tokenizer.tokenize(text)
indexed_tokens = tokenizer.convert_tokens_to_ids(tokenized_text)
# Create the segments tensors.
segments_ids = [0] * len(tokenized_text)
# Convert inputs to PyTorch tensors
tokens_tensor = torch.tensor([indexed_tokens])
segments_tensors = torch.tensor([segments_ids])
# Load pre-trained model (weights)
model = BertForMaskedLM.from_pretrained('bert-base-uncased')
model.eval()
# Predict all tokens
with torch.no_grad():
predictions = model(tokens_tensor, segments_tensors)
predicted_index = torch.argmax(predictions[0, masked_index]).item()
predicted_token = tokenizer.convert_ids_to_tokens([predicted_index])[0]
print(predicted_token)
[out]:
buy
Чтобы действительно понять, зачем вам нужны [CLS]
, [MASK]
и тензоры сегментов, пожалуйста, сделайте внимательно прочитайте статью, https://arxiv.org/abs/1810.04805
И если вам лень, вы можете прочитать этот хороший пост от Лилиан Вэн, https: //lilianweng.github.io/lil-log/2019/01/31/generalized-language-models.html
Помимо BERT, существует множество других моделей, которые могут выполнить задачу заполнения бланка. Посмотрите на другие модели в репозитории pytorch-pretrained-BERT
, но, что более важно, погрузитесь глубже в задачу «Моделирование языка», то есть в задачу прогнозирования следующего слова с учетом истории.
Существует множество моделей, которые вы можете использовать. Но я думаю, что наиболее недавно используемая модель для таких задач обучения последовательности, это двунаправленные RNN (например, двунаправленный LSTM), вы можете получить подсказку из здесь
Но имейте в виду, двунаправленные RNNs очень дорогой в обучении. В зависимости от вашей проблемы, я настоятельно рекомендую использовать предварительно подготовленную модель. Удачи!