ABSA PyTorch

Absa-Pytorch

基於方面的情感分析，Pytorch實現。

基於方面的情感分析，使用pytorch實現。

要求

• pytorch> = 0.4.0
• numpy> = 1.13.3
• Sklearn
• Python 3.6 / 3.7
• 變壓器

要安裝需求，請運行pip install -r requirements.txt 。

• 對於基於非伯特的模型，需要手套預訓練的單詞向量，請參閱data_utils.py，以獲取更多詳細信息。

用法

訓練

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

• 所有實施的模型均在模型目錄中列出。
• 有關更多培訓論點，請參見Train.py。
• 有關K-折線交叉驗證支持，請參閱train_k_fold_cross_val.py。

推理

• 有關非基於基於Bert的模型和基於BERT的模型，請參閱peash_example.py。

尖端

• 對於基於非伯特的模型，培訓程序不是很穩定。
• 基於BERT的模型對小型數據集的超參數（尤其是學習率）更敏感，請參閱此問題。
• 對特定任務進行微調對於釋放BERT的真正力量是必要的。

框架

對於靈活的培訓/推理和方面術語提取，請嘗試使用PYABSA，其中包括此存儲庫中的所有模型。

評論 /調查

Qiu，Xipeng等。 “自然語言處理的預訓練模型：調查。” ARXIV預印型ARXIV：2003.08271（2020）。 [PDF]

Zhang，Lei，Shuai Wang和Bing Liu。 “深入學習情感分析：一項調查。” ARXIV預印型ARXIV：1801.07883（2018）。 [PDF]

Young，Tom等。 “基於深度學習的自然語言處理的最新趨勢。” ARXIV預印型ARXIV：1708.02709（2017）。 [PDF]

基於BERT的模型

伯特·達（Bert-Ada）（官方）

Rietzler，Alexander等。 “適應或落後：通過BERT語言模型Finetuning for teack-target情感分類適應域。” ARXIV預印型ARXIV：1908.11860（2019）。 [PDF]

BERR-PT（官方）

Xu，Hu等。 “ BERT培訓後培訓，用於審查閱讀理解和基於方面的情感分析。” Arxiv預印型ARXIV：1904.02232（2019）。 [PDF]

Absa-Bert-Pair（官方）

Sun，Chi，Luyao Huang和Xipeng Qiu。 “通過構建輔助句子利用BERT進行基於方面的情感分析。” Arxiv預印型ARXIV：1903.09588（2019）。 [PDF]

lcf-bert（lcf_bert.py）（官方）

Zeng Biqing，Yang Heng等。 “ LCF：基於方面情感分類的本地上下文重點機制。”應用科學。 2019，9，3389。 [PDF]

Aen-Bert（aen.py）

Song，Youwee等。 “針對目標分類的注意編碼網絡。” Arxiv預印型ARXIV：1902.09314（2019）。 [PDF]

句子對分類的伯特（bert_spc.py）

Devlin，Jacob等。 “伯特：深度雙向變壓器的預訓練，以了解語言理解。” ARXIV預印型ARXIV：1810.04805（2018）。 [PDF]

基於非伯特的模型

ASGCN（asgcn.py）（官方）

張，陳等。 “基於方面的情感分類，具有特定於方面的圖形卷積網絡。” 2019年自然語言處理經驗方法會議論文集。 2019。 [PDF]

MGAN（mgan.py）

Fan，Feifan等。 “用於方面情感分類的多元重點注意網絡。” 2018年自然語言處理經驗方法會議論文集。 2018。 [PDF]

aoa（aoa.py）

Huang，Binxuan等。 “通過注意力集中神經網絡的方面情感分類。” Arxiv預印型ARXIV：1804.06536（2018）。 [PDF]

tnet（tnet_lf.py）（官方）

Li，Xin等。 “用於目標情感分類的轉型網絡。” ARXIV預印型ARXIV：1805.01086（2018）。 [PDF]

cabasc（cabasc.py）

Liu，Qiao等。 “基於方面情感分析的內容注意模型。” 2018年萬維網世界網絡會議的會議記錄。國際世界網絡會議指導委員會，2018年。

ram（ram.py）

Chen，Peng等。 “關於情感分析的記憶的重複注意網絡。” 2017年自然語言處理經驗方法會議論文集。 2017。 [PDF]

memnet（memnet.py）（官方）

Tang，Duyu，B。 Qin和T. Liu。 “具有深層內存網絡的方面級別情感分類。”自然語言處理中的經驗方法會議2016：214-224。 [PDF]

伊恩（ian.py）

MA，Dehong等。 “用於方面情感分類的交互式註意力網絡。” Arxiv預印型ARXIV：1709.00893（2017）。 [PDF]

atae-lstm（atae_lstm.py）

Wang，Yequan，Minlie Huang和Li Zhao。 “基於注意力的LSTM，用於方面情感分類。” 2016年自然語言處理經驗方法會議論文集。 2016。

td-lstm（td_lstm.py，tc_lstm.py）（官方）

Tang，Duyu等。 “目標依賴性情感分類的有效LSTM。” 2016年殖民論文集，第26屆計算語言學國際會議：技術論文。 2016。 [PDF]

LSTM（lstm.py）

Hochreiter，Sepp和JürgenSchmidhuber。 “長期記憶。”神經計算9.8（1997）：1735-1780。 [PDF]

請注意使用RTX30*運行*

如果您在RTX30系列上運行，則安裝/必需版本的火炬CUDA之間可能存在一些兼容性問題。在這種情況下，請嘗試使用requirements_rtx30.txt代替requirements.txt 。

貢獻者

謝謝這些好人：

阿爾貝托·帕茲（Alberto Paz）	江托	在哪裡	songyouwei	揚	rmarcacini	Yikai Zhang
Alexey Naiden	hbeybutyan	Pradeesh

該項目遵循全企業規範。歡迎任何形式的貢獻！

執照

麻省理工學院