2021SC@SDUSC-山东大学软件工程与实践-Senta(2)

本文介绍在Senta项目中如何利用ERNIE模型进行文本分类。通过加载ChnSentiCorp数据集,使用ClassifyReader进行预处理,并配置AdamWeightDecayStrategy进行模型训练。下篇将展示模型的训练细节。
摘要由CSDN通过智能技术生成

Senta中的语义表示模型ERNIE

知识增强的语义表示模型 ERNIE(Enhanced Representation through kNowledge IntEgration)通过对词、实体等语义单元的掩码,使得模型学习完整概念的语义表示。相较于 BERT 学习原始语言信号,ERNIE 直接对先验语义知识单元进行建模,增强了模型语义表示能力。在本次的百度Senta项目中,语义表示模型使用的就是ERNIE。

在本篇以及下一篇代码分析中,我将以ERINIE作为预训练模型进行Fine-tune,使用的数据集为ChnSentiCorp。来源:
https://github.com/PaddlePaddle/PaddleHub/wiki/PaddleHub-API:-Dataset

加载数据集

from paddle.fluid.framework import switch_main_program
import paddlehub as hub
import paddle.fluid as fluid
module 
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值