点击上方,选择星标或置顶,每天给你送干货!
阅读大概需要5分钟
跟随小博主,每天进步一丢丢
转载自:NLP太难了 公众号
Transformers_for_Text_Classification
本项目的Github地址
https://github.com/zhanlaoban/Transformers_for_Text_Classification
基于Transformers的文本分类
基于最新的 huggingface 出品的 transformers v2.2.2代码进行重构。为了保证代码日后可以直接复现而不出现兼容性问题,这里将 transformers 放在本地进行调用。
Highlights
支持transformer模型后接各种特征提取器
支持测试集预测代码
精简原始transformers代码,使之更适合文本分类任务
优化logging终端输出,使之输出内容更加合理
Support
model_type:
[✔] bert
[✔] bert+cnn
[✔] bert+lstm
[✔] bert+gru
[✔] xlnet
[ ] xlnet+cnn
[✔] xlnet+lstm
[✔] xlnet+gru
[ ] albert
Content
dataset:存放数据集
pretrained_models:存放预训练模型
transformers:transformers文件夹
results:存放训练结果
Usage
1. 使用不同模型
在shell文件中修改model_type
参数即可指定模型
如,BERT后接FC全连接层,则直接设置model_type=bert
;BERT后接CNN卷积层,则设置model_type=bert_cnn
.
在本README的Support
中列出了本项目中各个预训练模型支持的model_type
。
最后,在终端直接运行shell文件即可,如:
bash run_classifier.sh
注:在中文RoBERTa、ERNIE、BERT_wwm这三种预训练语言模型中,均使用BERT的model_type进行加载。
2. 使用自定义数据集
在
dataset
文件夹里存放自定义的数据集文件夹,如TestData
.在根目录下的
utils.py
中,仿照class THUNewsProcessor
写一个自己的类,如命名为class TestDataProcessor
,并在tasks_num_labels
,processors
,output_modes
三个dict中添加相应内容.最后,在你需要运行的shell文件中修改TASK_NAME为你的任务名称,如
TestData
.
Environment
one 2080Ti, 12GB RAM
Python: 3.6.5
PyTorch: 1.3.1
TensorFlow: 1.14.0(仅为了支持TensorBoard,无其他作用)
Numpy: 1.14.6
Performance
数据集: THUNews/5_5000
epoch:1
train_steps: 5000
model | dev set best F1 and Acc | remark |
---|---|---|
bert_base | 0.9308, 0.9324 | BERT接FC层, batch_size 8, learning_rate 2e-5 |
bert_base+cnn | 0.9136, 0.9156 | BERT接CNN层, batch_size 8, learning_rate 2e-5 |
bert_base+lstm | 0.9369, 0.9372 | BERT接LSTM层, batch_size 8, learning_rate 2e-5 |
bert_base+gru | 0.9379, 0.938 | BERT接GRU层, batch_size 8, learning_rate 2e-5 |
roberta_large | RoBERTa接FC层, batch_size 2, learning_rate 2e-5 | |
xlnet_large | 0.9530, 0.954 | XLNet接FC层, batch_size 2, learning_rate 2e-5 |
xlnet_mid+lstm | 0.9269, 0.9304 | XLNet接LSTM层, batch_size 2, learning_rate 2e-5 |
xlnet_mid+gru | 0.9494, 0.9508 | XLNet接GRU层, batch_size 2, learning_rate 2e-5 |
albert_xlarge_183k |
Download Chinese Pre-trained Models
NPL_PEMDC(https://github.com/zhanlaoban/NLP_PEMDC)
欢迎大家踊跃投稿!
方便交流学习,备注:昵称-学校(公司)-方向,进入DL&NLP交流群。
方向有很多:机器学习、深度学习,python,情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。
记得备注呦
推荐阅读:
【ACL 2019】腾讯AI Lab解读三大前沿方向及20篇入选论文
【一分钟论文】IJCAI2019 | Self-attentive Biaffine Dependency Parsing
【一分钟论文】 NAACL2019-使用感知句法词表示的句法增强神经机器翻译
【一分钟论文】Semi-supervised Sequence Learning半监督序列学习
【一分钟论文】Deep Biaffine Attention for Neural Dependency Parsing
详解Transition-based Dependency parser基于转移的依存句法解析器
让更多的人知道你“在看”