【模型复现】文本匹配、文本分类模型ABSA快速复现

ABSA 模型

快速复现教程

01

模型详情

 

模型简介：

这篇文章是Attention-based LSTM for Aspect-level Sentiment Classification，并且发表在EMNLP 2016 上， 作者为Yequan Wang。 基于属性的情感分析（Aspect Based Sentiment Analysis）是一种在给定的语料库中同时提取（co-extracting ）表达意见和（事物）属性/方面术语（意见目标）以及它们之间的关系的任务。 方面级情感分类是情感分析中的一项细粒度任务。在本文中，我们揭示句子的情感极性不仅由内容决定，而且是与相关方面高度相关。当以不同方面作为输入时。SemEval 2014数据集的实验及其应用结果表明，模型在方面层面上达到了最先进的性能分类。 

关键词：情感分析、细粒度

应用场景：文本匹配、文本分类、文本生成

论文地址：

https://aclanthology.org/D16-1058.pdf

模型来源：

https://github.com/songyouwei/ABSA-PyTorch

02

平台环境准备

 1. 打开极链AI云平台

2. 点击模型

 3. 选择模型

在模型列表中选择 ABSA 模型

 4. 创建实例

显卡以RTX 2080 Ti为例，选择模型对应镜像

点击下一步，即可创建实例

5. 连接实例

创建完成后，点击jupyterlab连接

03

模型使用

1.模型训练

python train.py# 该文件包含训练和评估步骤，如需可修改代码分布复现

更多内容请左右滑动

2.模型交叉训练

python train_k_fold_cross_val.py

更多内容请左右滑动

注：

1、对于非bert模型，训练过程不是很稳定。

2、在小数据集上，基于bert的模型对超参数(特别是学习率)更加敏感

3、对特定任务进行微调是发挥BERT模型能力的必要条件。

以上就是 ABSA 复现的全部流程，该模型在极链AI云官网已上架，同时极链AI云还拥有其他热门模型，例如YOLO系列等，简单步骤即可实现复现。