使用BERT fine-tuning 用于推特情感分析

      BERT 有多厉害我就在这不用讲了，我也不想过多介绍，因为自己也是一个初学者。网上有很多好的介绍与资料，读完让人受益匪浅。这篇博客记录的是我前几天使用bert做的一个小测试，用bert用于推特的情感分析。因为这段时间参加某个比赛要用到，但是没办法一直全身心的投入，总是有各种事情打断，让我很苦恼。怕以后突然想起来，又忘记怎么做了，所以写下了，供以后参考。

       情感分类觉得是自然语言处理最常见和简单的一类任务了，只是对文本进行二分类，在此不多赘述。让BERT使用在自己数据集的进行情感分析也非常的容易，你只要根据google公布的代码添加几行就行。我采用的数据是李宏毅教授上课的数据，我个人非常推崇李宏毅老师的深度学习课程，感觉非常适合国人，也可能是我英语太渣的缘故吧。在此放出他的课程地址李宏毅机器学习课程，如果没有梯子的话，可以去b站和网易云课堂上观看。对了，猪场的良心APP我要提名网易云课堂一个，扯远了。数据集是李宏毅教授Machine Learning and having it deep and structured (2018,Spring)课上的hw0,其他的homework感觉也非常有意思，以后肯定有时间我也要跑一下，虽然觉得每当立下flag，后面肯定不会实现的。接下来是正文！！

       首先是下载数据集，如果那个链接挂了，么得关系我会传到github上。主要是下载trianing_label.csv 和testing_data.csv,每个文件有200000条数据。然后下载BERT的源码和模型，模型我下载的是BERT-Base,Uncased ，自己可根据情况下载，具体请参考google 的官方说明，然后git clone 下BERT的源码，嘿嘿。在自己本地的文件夹建一个twitter_sentiment_analysis 的文件夹。然后建bert_base_dir 、test_bert、data 的子文件，这个名字当然自己取啦，开心就好。将下载的BERT-Base,Uncased 解压放入到bert_base_dir 里，将下载的源码放到test_bert 文件夹里，数据集放入data文件夹里。准备工作做好啦~

      首先阅读了两遍官方文档,跑了一下官方给的例子，不晓得啥意思。网上搜索到一篇文章