前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >[Kaggle] Sentiment Analysis on Movie Reviews(BERT)

[Kaggle] Sentiment Analysis on Movie Reviews(BERT)

作者头像
Michael阿明
发布2021-02-19 14:53:01
7510
发布2021-02-19 14:53:01
举报
文章被收录于专栏:Michael阿明学习之路

文章目录

练习地址:https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews

相关博文:

[Kaggle] Spam/Ham Email Classification 垃圾邮件分类(BERT)

本文使用 huggingface 上的预训练模型,在预训练模型的基础上,使用kaggle任务的数据集,进行训练 finetune,在kaggle提交测试结果

1. 预训练模型下载

下载地址 https://huggingface.co/bert-base-uncased/tree/main

模型下载很慢的话,我传到 csdn了,可以免费下载

存放在目录如./bert-base-uncased

2. 数据集

  • 数据集切分
代码语言:javascript
复制
train_csv = pd.read_csv("./train.tsv", sep='\t')
test_csv = pd.read_csv("./test.tsv", sep='\t')
train_csv.head(50)
# %%
test_csv.head()
# %%

# 切分出一些验证集,分层抽样
from sklearn.model_selection import StratifiedShuffleSplit

splt = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=1)
for train_idx, valid_idx in splt.split(train_csv, train_csv['Sentiment']):
    train_part = train_csv.loc[train_idx]
    valid_part = train_csv.loc[valid_idx]

y_train = train_part['Sentiment']
y_valid = valid_part['Sentiment']
X_train = train_part['Phrase']
X_valid = valid_part['Phrase']

X_test = test_csv['Phrase']
y_test = [0] * len(X_test)  # 测试集没有标签,这么处理方便代码处理
y_test = torch.LongTensor(y_test)  # 转成tensor

3. 加载预训练模型

代码语言:javascript
复制
from transformers import AutoTokenizer, BertForSequenceClassification

tokenizer = AutoTokenizer.from_pretrained("./bert-base-uncased")

# num_classes = 5 , 5种情绪
pretrain_model = BertForSequenceClassification.from_pretrained("./bert-base-uncased", num_labels=num_classes)
  • 编写自定义模型
代码语言:javascript
复制
class myModel(nn.Module):
    def __init__(self):
        super(myModel, self).__init__()
        self.pretrain_model = pretrain_model
        for param in self.pretrain_model.parameters():
            param.requires_grad = True

    def forward(self, x):
        context = x[0]
        mask = x[2]
        out = self.pretrain_model(context, attention_mask=mask)
        # out 的 size [batch_size, num_classes]
        out = torch.softmax(out.logits, 1) # 归一化 维度 1 为概率
        return out

注:其余数据处理、训练等代码跟前一篇完全一样

本文完整代码

4. 提交结果

我的得分:0.69174

排行榜最高得分: 0.76526

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2021/01/12 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 1. 预训练模型下载
  • 2. 数据集
  • 3. 加载预训练模型
  • 4. 提交结果
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档