BERT Sequence Labeling

Bert-sequence marcando

Este reostório integra os modelos da HuggingFaces em um pipeline de ponta a ponta para a rotulagem de sequência. Aqui está uma lista completa dos modelos disponíveis.

Se você achou esse repositório útil, dê uma estrela.

Instalar

 git clone https://github.com/avramandrei/BERT-Sequence-Labeling.git
cd BERT-Sequence-Labeling
pip3 install -r requirements.txt

Formato de entrada

Os arquivos usados ​​para treinamento, validação e teste devem estar em um formato semelhante ao CONLL:

 # sent_id = email-enronsent20_01-0048
# text = Please let us know if you have additional questions.
1	Please	please	INTJ	UH	_	2	discourse	2:discourse	_
2	let	let	VERB	VB	Mood=Imp|VerbForm=Fin	0	root	0:root	_
3	us	we	PRON	PRP	Case=Acc|Number=Plur|Person=1|PronType=Prs	2	obj	2:obj|4:nsubj:xsubj	_
4	know	know	VERB	VB	VerbForm=Inf	2	xcomp	2:xcomp	_
5	if	if	SCONJ	IN	_	7	mark	7:mark	_
6	you	you	PRON	PRP	Case=Nom|Person=2|PronType=Prs	7	nsubj	7:nsubj	_
7	have	have	VERB	VBP	Mood=Ind|Tense=Pres|VerbForm=Fin	4	advcl	4:advcl:if	_
8	additional	additional	ADJ	JJ	Degree=Pos	9	amod	9:amod	_
9	questions	question	NOUN	NNS	Number=Plur	7	obj	7:obj	SpaceAfter=No
10	.	.	PUNCT	.	_	2	punct	2:punct	_

Treinamento

Para treinar um modelo, use o script train.py Isso começará a treinar um modelo que preverá os rótulos da coluna especificados pelo argumento [predict_column] .

 python3 train.py [path_train_file] [path_dev_file] [tokens_column] [predict_column] [lang_model_name]

Inferência

Para prever novos valores, use o script predict.py . Isso criará um novo arquivo substituindo a coluna prevista do arquivo de teste pelos valores previstos.

 python3 predict.py [path_test_file] [model_path] [tokens_column] [predict_column] [lang_model_name]

Resultados

EWT em inglês

modelo	UPOS	xpos
Bert-baseado	95.92	95.27
Roberta-Base	95.77	95.18

Citar

Por favor, considere citar o artigo a seguir como agradecimento aos autores:

 @article{avram2020upb,
  title={UPB at SemEval-2020 Task 6: Pretrained Language Models for Definition Extraction},
  author={Avram, Andrei-Marius and Cercel, Dumitru-Clementin and Chiru, Costin-Gabriel},
  journal={arXiv e-prints},
  pages={arXiv--2009},
  year={2020}
}