基于bert的多标签分类模型

1.任务介绍

在文本分类任务中,有时会碰到多标签分类问题,即某个文章属于多个标签,如下表:

新闻标题标签
湖人VS凯尔特人比赛中,最后时刻塔图姆打手詹姆斯裁判未响哨,引得外界不满。体育、竞技
为什么说狂飙是开年最强爆款娱乐资讯
2022年汽车出口超300万辆汽车、财经

2.建立模型

# 加载预训练模型
bert = build_transformer_model(
    config_path=config_path,
    checkpoint_path=checkpoint_path,
    with_pool=True,
    return_keras_model=False,
    # hierarchical_position=True
)

output = Dropout(rate=0.1)(bert.model.output)
output = Dense(
    units=len(class_id), activation='sigmoid', kernel_initializer=bert.initializer, name="zhx"
)(output)

model = keras.models.Model(bert.model.input, output)
# model.summary()
model.compile(
    loss='binary_crossentropy',
    optimizer=Adam(2e-5),  # 用足够小的学习率
    metrics=['accuracy']
)

最后一层使用sigmoid,预测标签为one-hot(所属标签对应值为1)。

3.数据处理

def load_data(data):
    """加载数据
    单条格式:(文本1, 文本2, 标签id)
    """
    D1, D2 = [], []
    for item in data:
        y = [0] * len(class_id)
        for label in item['label']:
            y[int(class_id[label])] = 1
        if item['docu_name'] in []:
            D1.append((item['text'], y))
        else:
            D2.append((item['text'], y))
    return D1, D2


train_self, valid_self = load_data(get_data_from_dir(r'E:\Dataset_self'))

# 建立分词器
tokenizer = Tokenizer(dict_path, do_lower_case=True)


class data_generator(DataGenerator):
    """数据生成器
    """

    def __iter__(self, random=False):
        batch_token_ids, batch_segment_ids, batch_labels = [], [], []
        for is_end, (text, label) in self.sample(random):
            # if len(text) > 200:
            #     text = text[:200] + text[-50:]
            token_ids, segment_ids = tokenizer.encode(
                text, maxlen=maxlen
            )
            batch_token_ids.append(token_ids)
            batch_segment_ids.append(segment_ids)
            batch_labels.append(label)
            if len(batch_token_ids) == self.batch_size or is_end:
                batch_token_ids = sequence_padding(batch_token_ids)
                batch_segment_ids = sequence_padding(batch_segment_ids)
                batch_labels = sequence_padding(batch_labels)
                yield [batch_token_ids, batch_segment_ids], batch_labels
                batch_token_ids, batch_segment_ids, batch_labels = [], [], []

4.自建评估

def evaluate(data):
    total, right = 0., 0.
    for x_true, y_true in data:
        y_pred = model.predict(x_true)
        total += len(y_true)
        for i in range(y_true.shape[0]):
            y = y_true[i]
            p = y_pred[i]
            # 排名
            label_num = y[y == 1].sum()
            p_index_px = np.argsort(p)[::-1]
            # 按照排名
            # sign = 1
            # for j in range(label_num):
            #     if y[p_index_px[j]] != 1:
            #         sign = 0
            #         break
            # if sign:
            #     right += 1
            # 严丝合缝
            for j in range(p.shape[0]):
                if p[j] > 0.2:
                    p[j] = 1
                else:
                    p[j] = 0
            if (y == p).all():
                right += 1
    return right / total


class Evaluator(keras.callbacks.Callback):
    """评估与保存
    """

    def __init__(self):
        self.best_val_acc = 0.

    def on_epoch_end(self, epoch, logs=None):
        val_acc = evaluate(valid_generator)
        if val_acc > self.best_val_acc:
            self.best_val_acc = val_acc
            model.save_weights('data/best_model.weights')
        test_acc = evaluate(test_generator)
        print(
            u'val_acc: %.5f, best_val_acc: %.5f, test_acc: %.5f\n' %
            (val_acc, self.best_val_acc, test_acc)
        )
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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