K BERT

K-Bert

رمز SORCE ومجموعات البيانات لـ "K-Bert: تمكين تمثيل اللغة مع Graph Knowledge" ، والذي يتم تنفيذه على أساس إطار UER.

أخبار

• EasyNLP دمج K-Bert. للحصول على التفاصيل ، راجع EasyNlp 集成 K-Bert 算法 ， 借助知识图谱实现更优 Finetune.

متطلبات

برمجة:

 Python3
Pytorch >= 1.0
argparse == 1.1

يحضر

• قم بتنزيل google_model.bin من هنا ، وحفظه إلى models/ الدليل.
• قم بتنزيل CnDbpedia.spo من هنا ، وحفظه إلى brain/kgs/ الدليل.
• اختياري - قم بتنزيل مجموعات البيانات للتقييم من هنا ، وفك الضغط ووضعها في datasets/ الدليل.

شجرة دليل K-Bert:

 K-BERT
├── brain
│   ├── config.py
│   ├── __init__.py
│   ├── kgs
│   │   ├── CnDbpedia.spo
│   │   ├── HowNet.spo
│   │   └── Medical.spo
│   └── knowgraph.py
├── datasets
│   ├── book_review
│   │   ├── dev.tsv
│   │   ├── test.tsv
│   │   └── train.tsv
│   ├── chnsenticorp
│   │   ├── dev.tsv
│   │   ├── test.tsv
│   │   └── train.tsv
│    ...
│
├── models
│   ├── google_config.json
│   ├── google_model.bin
│   └── google_vocab.txt
├── outputs
├── uer
├── README.md
├── requirements.txt
├── run_kbert_cls.py
└── run_kbert_ner.py

K-Bert لتصنيف النص

مثال التصنيف

قم بتشغيل مثال على مراجعة الكتاب مع CNDBPedia:

CUDA_VISIBLE_DEVICES= ' 0 ' nohup python3 -u run_kbert_cls.py 
    --pretrained_model_path ./models/google_model.bin 
    --config_path ./models/google_config.json 
    --vocab_path ./models/google_vocab.txt 
    --train_path ./datasets/book_review/train.tsv 
    --dev_path ./datasets/book_review/dev.tsv 
    --test_path ./datasets/book_review/test.tsv 
    --epochs_num 5 --batch_size 32 --kg_name CnDbpedia 
    --output_model_path ./outputs/kbert_bookreview_CnDbpedia.bin 
    > ./outputs/kbert_bookreview_CnDbpedia.log &

نتائج:

 Best accuracy in dev : 88.80%
Best accuracy in test: 87.69%

خيارات run_kbert_cls.py :

 useage: [--pretrained_model_path] - Path to the pre-trained model parameters.
        [--config_path] - Path to the model configuration file.
        [--vocab_path] - Path to the vocabulary file.
        --train_path - Path to the training dataset.
        --dev_path - Path to the validating dataset.
        --test_path - Path to the testing dataset.
        [--epochs_num] - The number of training epoches.
        [--batch_size] - Batch size of the training process.
        [--kg_name] - The name of knowledge graph, "HowNet", "CnDbpedia" or "Medical".
        [--output_model_path] - Path to the output model.

معايير التصنيف

دقة (DEV/TEST ٪) على مجموعة بيانات مختلفة:

مجموعة البيانات	Hownet	cndbpedia
مراجعة الكتاب	88.75/87.75	88.80/87.69
Chnsenticorp	95.00/95.50	94.42/95.25
التسوق	97.01/96.92	96.94/96.73
ويبو	98.22/98.33	98.29/98.33
LCQMC	88.97/87.14	88.91/87.20
Xnli	77.11/77.07	76.99/77.43

K-Bert للتعرف على الكيان المسماة (NER)

مثال ner

قم بتشغيل مثال على مجموعة بيانات MSRA_NER مع CNDBPedia:

 CUDA_VISIBLE_DEVICES='0' nohup python3 -u run_kbert_ner.py 
    --pretrained_model_path ./models/google_model.bin 
    --config_path ./models/google_config.json 
    --vocab_path ./models/google_vocab.txt 
    --train_path ./datasets/msra_ner/train.tsv 
    --dev_path ./datasets/msra_ner/dev.tsv 
    --test_path ./datasets/msra_ner/test.tsv 
    --epochs_num 5 --batch_size 16 --kg_name CnDbpedia 
    --output_model_path ./outputs/kbert_msraner_CnDbpedia.bin 
    > ./outputs/kbert_msraner_CnDbpedia.log &

نتائج:

 The best in dev : precision=0.957, recall=0.962, f1=0.960
The best in test: precision=0.953, recall=0.959, f1=0.956

خيارات run_kbert_ner.py :

 useage: [--pretrained_model_path] - Path to the pre-trained model parameters.
        [--config_path] - Path to the model configuration file.
        [--vocab_path] - Path to the vocabulary file.
        --train_path - Path to the training dataset.
        --dev_path - Path to the validating dataset.
        --test_path - Path to the testing dataset.
        [--epochs_num] - The number of training epoches.
        [--batch_size] - Batch size of the training process.
        [--kg_name] - The name of knowledge graph.
        [--output_model_path] - Path to the output model.

K-Bert للمهام الخاصة بالمجال

النتائج التجريبية على المهام الخاصة بالمجال (الدقة/الاستدعاء/F1 ٪):

كجم	finance_qa	Law_qa	Finance_ner	الطب
Hownet	0.805/0.888/0.845	0.842/0.903/0.871	0.860/0.888/0.874	0.935/0.939/0.937
CN-DBPedia	0.814/0.881/0.846	0.814/0.942/0.874	0.860/0.887/0.873	0.935/0.937/0.936
MedicalKg	-	-	-	0.944/0.943/0.944

شكر وتقدير

هذا العمل هو دراسة مشتركة مع دعم جامعة بكين و Tencent Inc.

إذا كنت تستخدم هذا الرمز ، يرجى الاستشهاد بهذه الورقة:

 @inproceedings{weijie2019kbert,
  title={{K-BERT}: Enabling Language Representation with Knowledge Graph},
  author={Weijie Liu, Peng Zhou, Zhe Zhao, Zhiruo Wang, Qi Ju, Haotang Deng, Ping Wang},
  booktitle={Proceedings of AAAI 2020},
  year={2020}
}