ABSA PyTorch

absa-pytorch

تحليل المشاعر القائمة على الجانب ، تطبيقات Pytorch.

基于方面的情感分析 ， 使用 pytorch 实现。

متطلبات

• Pytorch> = 0.4.0
• numpy> = 1.13.3
• Sklearn
• بيثون 3.6 / 3.7
• محولات

لتثبيت المتطلبات ، قم بتشغيل pip install -r requirements.txt .

• بالنسبة للنماذج غير المستندة إلى Bert ، يلزم وجود متجهات Word التي تم تدريبها قبل القفازات ، يرجى الرجوع إلى data_utils.py لمزيد من التفاصيل.

الاستخدام

تمرين

python train.py --model_name bert_spc --dataset restaurant

• يتم سرد جميع النماذج المنفذة في دليل النماذج.
• انظر Train.py لمزيد من حجج التدريب.
• الرجوع إلى Train_k_fold_cross_val.py لدعم التحقق من صحة K-Fold.

الاستدلال

• ارجع إلى indent_example.py لكل من النماذج غير المستندة إلى Bert والنماذج القائمة على Bert.

نصائح

• بالنسبة للنماذج غير المستندة إلى ببرت ، فإن إجراءات التدريب ليست مستقرة للغاية.
• تعد النماذج المستندة إلى BERT أكثر حساسية لمقاطعات فرط البارامات (وخاصة معدل التعلم) على مجموعات البيانات الصغيرة ، راجع هذه المشكلة.
• يعد ضبط المهمة المحددة ضروريًا لإصدار القوة الحقيقية لـ BERT.

نطاق

من أجل التدريب/الاستدلال المرن واستخراج المدى الجانبي ، جرب Pyabsa ، والذي يتضمن جميع النماذج في هذا المستودع.

المراجعات / الدراسات الاستقصائية

Qiu ، Xipeng ، وآخرون. "نماذج مدربة قبل معالجة اللغة الطبيعية: مسح." Arxiv preprint Arxiv: 2003.08271 (2020). [PDF]

Zhang ، Lei ، Shuai Wang ، و Bing Liu. "التعلم العميق لتحليل المشاعر: دراسة استقصائية." Arxiv preprint Arxiv: 1801.07883 (2018). [PDF]

يونغ ، توم ، وآخرون. "الاتجاهات الحديثة في معالجة اللغة الطبيعية القائمة على التعلم العميق." Arxiv preprint Arxiv: 1708.02709 (2017). [PDF]

النماذج القائمة على بيرت

بيرتا (مسؤول)

ريتزلر ، ألكساندر ، وآخرون. "التكيف أو تركت وراءها: تكييف المجال من خلال نموذج لغة Bert Finetuning لتصنيف المعنويات المستهدف." Arxiv preprint Arxiv: 1908.11860 (2019). [PDF]

بير ب (مسؤول)

شو ، هو ، وآخرون. "بيرت بعد التدريب لمراجعة فهم القراءة وتحليل المشاعر القائمة على الجانب." Arxiv preprint Arxiv: 1904.02232 (2019). [PDF]

absa-bert-pair (مسؤول)

صن ، تشي ، لوياو هوانغ ، و Xipeng Qiu. "استخدام BERT لتحليل المشاعر القائمة على الجانب من خلال بناء جملة مساعدة." Arxiv preprint Arxiv: 1903.09588 (2019). [PDF]

LCF-Bert (LCF_BERT.PY) (مسؤول)

Zeng Biqing ، Yang Heng ، et al. "LCF: آلية تركيز السياق المحلي لتصنيف المشاعر القائمة على الجانب." العلوم التطبيقية. 2019 ، 9 ، 3389. [PDF]

آين بيرت (aen.py)

أغنية ، Youwei ، وآخرون. "شبكة التشفير الانتباه لتصنيف المشاعر المستهدفة." Arxiv preprint Arxiv: 1902.09314 (2019). [PDF]

بيرت لتصنيف زوج الجملة (BERT_SPC.PY)

ديفلين ، يعقوب ، وآخرون. "بيرت: قبل التدريب من محولات ثنائية الاتجاه العميقة لفهم اللغة." Arxiv preprint Arxiv: 1810.04805 (2018). [PDF]

النماذج غير القائمة على ببرت

ASGCN (ASGCN.Py) (مسؤول)

تشانغ ، تشن ، وآخرون. "تصنيف المشاعر القائمة على الجانب مع شبكات" الرسم البياني "الخاص بالجانب." وقائع مؤتمر 2019 حول الأساليب التجريبية في معالجة اللغة الطبيعية. 2019. [PDF]

MGAN (mgan.py)

المروحة ، فيفان ، وآخرون. "شبكة الانتباه متعددة الحبيبات لتصنيف المشاعر على مستوى الجانبين." وقائع مؤتمر 2018 حول الأساليب التجريبية في معالجة اللغة الطبيعية. 2018. [PDF]

AOA (aoa.py)

هوانغ ، بينكسوان ، وآخرون. "تصنيف المعنويات على مستوى الجانب مع الشبكات العصبية الاهتمام." Arxiv preprint Arxiv: 1804.06536 (2018). [PDF]

TNET (TNET_LF.Py) (مسؤول)

لي ، شين ، وآخرون. "شبكات التحول لتصنيف المشاعر الموجهة نحو الهدف." Arxiv preprint Arxiv: 1805.01086 (2018). [PDF]

Cabasc (cabasc.py)

ليو ، تشياو ، وآخرون. "نموذج انتباه المحتوى لتحليل المعنويات على الجانب." وقائع مؤتمر الويب العالمي 2018 على شبكة الإنترنت العالمية. اللجنة التوجيهية للمؤتمرات العالمية العالمية ، 2018.

رام (Ram.py)

تشن ، بينغ ، وآخرون. "شبكة الانتباه المتكررة على الذاكرة لتحليل معنويات الجانب." وقائع مؤتمر 2017 حول الأساليب التجريبية في معالجة اللغة الطبيعية. 2017. [PDF]

memnet (memnet.py) (مسؤول)

Tang ، Duyu ، B. Qin ، و T. Liu. "تصنيف معنويات مستوى الجانب مع شبكة الذاكرة العميقة." مؤتمر حول الأساليب التجريبية في معالجة اللغة الطبيعية 2016: 214-224. [PDF]

إيان (ايان.بي)

MA ، Dehong ، وآخرون. "شبكات الاهتمام التفاعلية لتصنيف المشاعر على مستوى الجانب." Arxiv preprint Arxiv: 1709.00893 (2017). [PDF]

atae-LSTM (atae_lstm.py)

وانغ ، ييكان ، مينلي هوانغ ، ولي تشاو. "LSTM القائم على الانتباه لتصنيف المشاعر على مستوى الجانب." وقائع مؤتمر 2016 حول الأساليب التجريبية في معالجة اللغة الطبيعية. 2016.

TD-LSTM (TD_LSTM.Py ، TC_LSTM.Py) (مسؤول)

تانغ ، دويو ، وآخرون. "LSTMS فعالة لتصنيف المشاعر المعتمدة على الهدف." وقائع Coling 2016 ، المؤتمر الدولي السادس والعشرين حول اللغويات الحاسوبية: الأوراق الفنية. 2016. [PDF]

LSTM (lstm.py)

Hochreiter و Sepp و Jürgen Schmidhuber. "ذاكرة طويلة الأجل طويلة." الحساب العصبي 9.8 (1997): 1735-1780. [PDF]

ملاحظة عند التشغيل مع RTX30*

إذا كنت تعمل على سلسلة RTX30 ، فقد تكون هناك بعض مشكلات التوافق بين الإصدارات المثبتة/المطلوبة من Torch ، CUDA. في هذه الحالة ، حاول استخدام requirements_rtx30.txt بدلاً من requirements.txt .

المساهمين

شكراً لهؤلاء الناس الرائعين:

ألبرتو باز	جيانجتو	حيث رأس	songyouwei	يانغنغ	rmarcacini	Yikai Zhang
أليكسي نايدن	hbeybutyan	براديش

يتبع هذا المشروع مواصفات جميع المساهمين. مساهمات من أي نوع ترحيب!

رخصة

معهد ماساتشوستس للتكنولوجيا