来记录我的复现（一）

Does syntax matter? A strong baseline for Aspect-based Sentiment Analysis with RoBERTa

如果有大神会的话，求指点呀，学四年造价来改进模型，我心也是崩的一批。

1.fastNLP报错

from fastnlp import (accuracymetric, bucketsampler, classifyfprerecmetric, importerror: cannot import name 'accuracymetric' from 'fastnlp'

解决：

pip install fastNLP==0.7.0

2.读要求--本文重现整个实验包括四个步骤:

①使用Train文件夹中的代码对ALSC数据集进行微调模型，微调后将保存微调后的模型。

②使用Perturbed-Masking文件夹中的代码生成诱导树，这将输出数据集作为不同模型的输入。

③根据特定的模型生成不同输入格式的数据。

④在ASGCN、PWCN和RGAT中运行代码。

我们对ASGCN、PWCN、RGAT和perturded - masking的原始代码做了必要的修改。我们所做的所有更改都是开源的。我们相信所有的更改都是在MIT许可下进行的。如果按照原始步骤运行上面的代码，可能会引发错误。我们建议按照相应文件夹中的自述说明运行它们(ASGCN, PWCN, RGAT和pertursed - masking)。

论文中的学习率写错了，应该给RoBERTa改到2e -5。记住在您自己的数据上分割验证集。“dev”参数应该用finetune.py训练器中相应的验证文件路径填充。我们在这里没有提供验证集分区，这是我们以前忽略的一个问题。然而在我们的实验实施中，我们使用验证集来评估不同诱导树的性能。

3.运行Train。我要我要运行train！！！！！！！！！！！！！！！！！！

3.1readme

此文件夹主要包含ABSA数据集上的微调模型代码。Pipe.py预处理数据。py对模型进行微调，微调后也会保存微调后的模型。

代码基于fastNLP和Fitlog。更多信息可以在fastNLP和fitlog中找到。代码将使用名为Train/Test的数据文件。在{data dir}/{dataset}文件夹下，例如{RoBERTaABSA/ dataset} /{Restaurant}，所以请确保这两个文件可用。

但是fastNLP那个网站不好用了，我就自己下载了bert的文件，放到了文件夹里。

由于作者用的是LINUX系统，我是Windows系统，所以在代码上做了简单的改变。

虽然说起来云淡风轻，但却花了两天时间，多次想着要放弃，因为是在学不会，但这只是第一步，希望自己可以蹲到自己的后续！！！

同时感谢这位大佬的博文为我拨开云雾！

raise RuntimeError(‘DataLoader worker (pid(s) {}) exited unexpectedly‘.format(pids_str))RuntimeErro_raise runtimeerror('dataloader worker (pid(s) {}) -CSDN博客

祝大家科研顺利！！！