bert扩充或者缩小词表

在BERT模型中添加自己的词汇（pytorch版） - 知乎

输入

1. 扩充词表

替换bert词表中的【unused】

2. 缩小词表

因为要使用预训练的模型，词id不能变，词向量矩阵大小不变

要做的是将减少的那一部分词全部对应为unk，即可

输出

如果是mlm任务，输出也是bert的词表大小。

1. 扩充词表

（1） 不改变原来的id，直接将【unused】换成要补充汉字

（2） bert词表+新词重新排列，在词表中的，使用对应的分类参数初始化，不在的，随机初始化

added_tokens.json  怎么用

2. 缩小词表

这里可以随机挑选bert中的词，将对应的分类参数拷贝过来即可， 重新安排好