如何使用BERT实现中文的文本分类(附代码)

前言

  1. Google官方BERT代码(Tensorflow)
  2. 本文章参考的BERT分类代码(Pytorch)
  3. 本文章改进的BERT中文文本分类代码(Pytorch)
  4. BERT模型介绍

Pytorch

readme

  • 请先安装pytorch的BERT代码,代码源见前言(2)
    pip install pytorch-pretrained-bert
    

参数表

data_dir bert_model task_name
输入数据目录 加载的bert模型,对于中文文本请输入’bert-base-chinese 输入数据预处理模块,最好根据应用场景自定义
model_save_pth max_seq_length* train_batch_size
模型参数保存地址 最大文本长度 batch大小
learning_rate num_train_epochs
Adam初始学习步长 最大epoch数

* max_seq_length = 所设定的文本长度 + 2 ,BERT会给每个输入文本开头和结尾分别加上[CLS][SEP]标识符,因此会占用2个字符空间,其作用会在后续进行详细说明。

算法流程

1. 概述

  • 64
    点赞
  • 489
    收藏
    觉得还不错? 一键收藏
  • 72
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 72
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