了解MixText模型

2021SC@SDUSC

 

MixText是一种半监督的框架。MixText的核心思想是使用Tmix同时在有标签和无标签数据上。

给定有限的数据集Xl={xl1,...,xln}，以及对应着的标签Yl={yl1,...,yln}， 和大量的无标签的数据集Xu={xu1,...,xum}，其中yli∈{0,1}C，y是做了one-hot编码，C是y的类别数量，我们的目标利用有标签和无标签的数据训练一个分类器。

提出一个label guessing method，猜测标签的方法，在训练的时候对无标签数据进行生产标签，然后执行TMix训练，然后我们结合Tmix和额外的数据生成技术生成大量增强的数据，这是使算法效果好的一个关键步骤。 最后，

引入了熵最小化损失，使得模型在无标签的数据样本上获取较高的概率，在类别数C较大时也有助于提高性能。

class MixText(nn.Module):
    def __init__(self, num_labels=2, mix_option=False):
        super(MixText, self).__init__()

        if mix_option:
            self.bert = BertModel4Mix.from_pretrained('bert-base-uncased')
        else:
            self.bert = BertModel.from_pretrained('bert-base-uncased')

        self.linear = nn.Sequential(nn.Linear(768, 128),
                                    nn.Tanh(),