K BERT

K-Bert

Código Sorce y conjuntos de datos para "K-Bert: habilitando la representación del lenguaje con el gráfico de conocimiento", que se implementa en función del marco UER.

Noticias

• EasyNLP integró el K-Bert. Para más detalles, consulte EasyNLP 集成 K-Bert 算法 借助知识图谱实现更优 借助知识图谱实现更优 Finetune.

Requisitos

Software:

 Python3
Pytorch >= 1.0
argparse == 1.1

Preparar

• Descargue google_model.bin desde aquí y guárdelo en los models/ directorio.
• Descargue el CnDbpedia.spo desde aquí y guárdelo en el brain/kgs/ directorio.
• Opcional: descargue los conjuntos de datos para evaluar desde aquí, descomprima y colóquelos en los datasets/ directorio.

El árbol de directorio de 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 para la clasificación de texto

Ejemplo de clasificación

Ejemplo de ejemplo en la revisión del libro con 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 &

Resultados:

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

Opciones de 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.

Puntos de referencia de clasificación

Precisión (dev/test %) en diferentes conjuntos de datos:

Conjunto de datos	Tocador	Cndbpedia
Reseña de libros	88.75/87.75	88.80/87.69
Chnsenticorp	95.00/95.50	94.42/95.25
Compras	97.01/96.92	96.94/96.73
Weibo	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 para reconocimiento de entidad nombrada (NER)

Ejemplo

Ejecute un ejemplo en el conjunto de datos MSRA_NER con 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 &

Resultados:

 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

Opciones de 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 para tareas específicas de dominio

Resultados experimentales en tareas específicas del dominio (precisión/recuperación/F1 %):

Kg	Finanzas_qa	Law_qa	Finanza_ner	Medicina_ner
Tocador	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
Médico	-	-	-	0.944/0.943/0.944

Reconocimiento

Este trabajo es un estudio conjunto con el apoyo de la Universidad de Pekín y Tencent Inc.

Si usa este código, cite este documento:

 @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}
}