bert Tokenization behavior with messed-up unicode characters

kjthegm6 于 7个月前发布在其他

关注(0)|答案(1)|浏览(104)

你好，

我在使用ICU进行Unicode规范化时遇到了问题，注意到在某些情况下，FullTokenizer类会失败：

错误信息：

输出：

似乎只有在处理非常混乱的代码点的情况下才会发生这种情况。
操作系统：Ubuntu 18.0.4.4 LTS
Python: 3.6.9

来源：https://github.com/google-research/bert/issues/1093

1条答案

按热度按时间

我不知道这是否是期望的行为，但你可能想看一下这个：sotlampr@30cf031

赞(0）回复(0）举报 7个月前

相关问题

热门标签

Java query python Node 开发语言 request Util 数据库 Table 后端算法 Logger Message Element Parser

最新问答

xxl-job 安全组扫描到执行器端口服务存在信息泄露漏洞
回答(1) 发布于 6个月前
xxl-job 不能和nacos兼容？
回答(3) 发布于 6个月前
xxl-job 任务执行完后无法结束，日志一直转圈
回答(3) 发布于 6个月前
xxl-job-admin页面上查看调度日志样式问题
回答(1) 发布于 6个月前
xxl-job 参数512字符限制能否去掉
回答(1) 发布于 5个月前