ABSA PyTorch

Absa-Pytorch

基于方面的情感分析，Pytorch实现。

基于方面的情感分析，使用pytorch实现。

要求

• pytorch> = 0.4.0
• numpy> = 1.13.3
• Sklearn
• Python 3.6 / 3.7
• 变压器

要安装需求，请运行pip install -r requirements.txt 。

• 对于基于非伯特的模型，需要手套预训练的单词向量，请参阅data_utils.py，以获取更多详细信息。

用法

训练

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

• 所有实施的模型均在模型目录中列出。
• 有关更多培训论点，请参见Train.py。
• 有关K-折线交叉验证支持，请参阅train_k_fold_cross_val.py。

推理

• 有关非基于基于Bert的模型和基于BERT的模型，请参阅peash_example.py。

尖端

• 对于基于非伯特的模型，培训程序不是很稳定。
• 基于BERT的模型对小型数据集的超参数（尤其是学习率）更敏感，请参阅此问题。
• 对特定任务进行微调对于释放BERT的真正力量是必要的。

框架

对于灵活的培训/推理和方面术语提取，请尝试使用PYABSA，其中包括此存储库中的所有模型。

评论 /调查

Qiu，Xipeng等。 “自然语言处理的预训练模型：调查。” ARXIV预印型ARXIV：2003.08271（2020）。 [PDF]

Zhang，Lei，Shuai Wang和Bing Liu。 “深入学习情感分析：一项调查。” ARXIV预印型ARXIV：1801.07883（2018）。 [PDF]

Young，Tom等。 “基于深度学习的自然语言处理的最新趋势。” ARXIV预印型ARXIV：1708.02709（2017）。 [PDF]

基于BERT的模型

伯特·达（Bert-Ada）（官方）

Rietzler，Alexander等。 “适应或落后：通过BERT语言模型Finetuning for teack-target情感分类适应域。” ARXIV预印型ARXIV：1908.11860（2019）。 [PDF]

BERR-PT（官方）

Xu，Hu等。 “ BERT培训后培训，用于审查阅读理解和基于方面的情感分析。” Arxiv预印型ARXIV：1904.02232（2019）。 [PDF]

Absa-Bert-Pair（官方）

Sun，Chi，Luyao Huang和Xipeng Qiu。 “通过构建辅助句子利用BERT进行基于方面的情感分析。” Arxiv预印型ARXIV：1903.09588（2019）。 [PDF]

lcf-bert（lcf_bert.py）（官方）

Zeng Biqing，Yang Heng等。 “ LCF：基于方面情感分类的本地上下文重点机制。”应用科学。 2019，9，3389。[PDF]

Aen-Bert（aen.py）

Song，Youwee等。 “针对目标分类的注意编码网络。” Arxiv预印型ARXIV：1902.09314（2019）。 [PDF]

句子对分类的伯特（bert_spc.py）

Devlin，Jacob等。 “伯特：深度双向变压器的预训练，以了解语言理解。” ARXIV预印型ARXIV：1810.04805（2018）。 [PDF]

基于非伯特的模型

ASGCN（asgcn.py）（官方）

张，陈等。 “基于方面的情感分类，具有特定于方面的图形卷积网络。” 2019年自然语言处理经验方法会议论文集。 2019。[PDF]

MGAN（mgan.py）

Fan，Feifan等。 “用于方面情感分类的多元重点注意网络。” 2018年自然语言处理经验方法会议论文集。 2018。[PDF]

aoa（aoa.py）

Huang，Binxuan等。 “通过注意力集中神经网络的方面情感分类。” Arxiv预印型ARXIV：1804.06536（2018）。 [PDF]

tnet（tnet_lf.py）（官方）

Li，Xin等。 “用于目标情感分类的转型网络。” ARXIV预印型ARXIV：1805.01086（2018）。 [PDF]

cabasc（cabasc.py）

Liu，Qiao等。 “基于方面情感分析的内容注意模型。” 2018年万维网世界网络会议的会议记录。国际世界网络会议指导委员会，2018年。

ram（ram.py）

Chen，Peng等。 “关于情感分析的记忆的重复注意网络。” 2017年自然语言处理经验方法会议论文集。 2017。[PDF]

memnet（memnet.py）（官方）

Tang，Duyu，B。Qin和T. Liu。 “具有深层内存网络的方面级别情感分类。”自然语言处理中的经验方法会议2016：214-224。 [PDF]

伊恩（ian.py）

MA，Dehong等。 “用于方面情感分类的交互式注意力网络。” Arxiv预印型ARXIV：1709.00893（2017）。 [PDF]

atae-lstm（atae_lstm.py）

Wang，Yequan，Minlie Huang和Li Zhao。 “基于注意力的LSTM，用于方面情感分类。” 2016年自然语言处理经验方法会议论文集。 2016。

td-lstm（td_lstm.py，tc_lstm.py）（官方）

Tang，Duyu等。 “目标依赖性情感分类的有效LSTM。” 2016年殖民论文集，第26届计算语言学国际会议：技术论文。 2016。[PDF]

LSTM（lstm.py）

Hochreiter，Sepp和JürgenSchmidhuber。 “长期记忆。”神经计算9.8（1997）：1735-1780。 [PDF]

请注意使用RTX30*运行*

如果您在RTX30系列上运行，则安装/必需版本的火炬CUDA之间可能存在一些兼容性问题。在这种情况下，请尝试使用requirements_rtx30.txt代替requirements.txt 。

贡献者

谢谢这些好人：

阿尔贝托·帕兹（Alberto Paz）	江托	在哪里	songyouwei	扬	rmarcacini	Yikai Zhang
Alexey Naiden	hbeybutyan	Pradeesh

该项目遵循全企业规范。欢迎任何形式的贡献！

执照

麻省理工学院