SpanABSA 项目使用教程
2024-09-27 22:40:54作者:温艾琴Wonderful
SpanABSA
暂无简介
1. 项目目录结构及介绍
SpanABSA/
├── absa/
│ ├── __init__.py
│ ├── run_extract_span.py
│ ├── run_cls_span.py
│ ├── run_joint_span.py
│ └── ...
├── data/
│ └── absa/
│ ├── rest_total_train.txt
│ ├── rest_total_test.txt
│ └── ...
├── image/
├── squad/
├── bert/
│ ├── bert-base-uncased/
│ │ ├── vocab.txt
│ │ ├── bert_config.json
│ │ └── pytorch_model.bin
│ └── ...
├── LICENSE.txt
├── README.md
└── ...
目录结构说明
- absa/: 包含项目的主要代码文件,包括多目标提取器和极性分类器的训练和预测脚本。
- data/absa/: 包含训练和测试数据文件。
- image/: 可能包含项目相关的图像文件。
- squad/: 可能包含与SQuAD任务相关的文件。
- bert/: 包含预训练的BERT模型文件。
- LICENSE.txt: 项目的许可证文件。
- README.md: 项目的说明文档。
2. 项目启动文件介绍
主要启动文件
- run_extract_span.py: 用于训练和预测多目标提取器的脚本。
- run_cls_span.py: 用于训练和预测极性分类器的脚本。
- run_joint_span.py: 用于联合训练多目标提取器和极性分类器的脚本。
使用示例
训练多目标提取器
python -m absa.run_extract_span \
--vocab_file $BERT_DIR/vocab.txt \
--bert_config_file $BERT_DIR/bert_config.json \
--init_checkpoint $BERT_DIR/pytorch_model.bin \
--do_train \
--do_predict \
--data_dir $DATA_DIR \
--train_file rest_total_train.txt \
--predict_file rest_total_test.txt \
--train_batch_size 32 \
--output_dir out/extract/01
训练极性分类器
python -m absa.run_cls_span \
--vocab_file $BERT_DIR/vocab.txt \
--bert_config_file $BERT_DIR/bert_config.json \
--init_checkpoint $BERT_DIR/pytorch_model.bin \
--do_train \
--do_predict \
--data_dir $DATA_DIR \
--train_file rest_total_train.txt \
--predict_file rest_total_test.txt \
--train_batch_size 32 \
--output_dir out/cls/01
3. 项目的配置文件介绍
主要配置文件
- bert_config.json: BERT模型的配置文件,包含模型的超参数设置。
- vocab.txt: BERT模型的词汇表文件。
- pytorch_model.bin: 预训练的BERT模型权重文件。
配置文件路径
配置文件通常位于bert/bert-base-uncased/
目录下,使用时需要指定路径:
export BERT_DIR=bert/bert-base-uncased
数据目录
数据文件通常位于data/absa/
目录下,使用时需要指定路径:
export DATA_DIR=data/absa
通过以上配置,可以正确加载模型和数据,进行训练和预测。
SpanABSA
暂无简介
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6720
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript75.83 K19.04 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.52 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
671
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
8
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K