我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

ABSA

2022-02-18 model:absa-ubuntu18.04-cuda10.0-cudnn7-python3.7-pytorch1.2.0-new

模型标签
文本分类文本匹配文本生成文本摘要

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。官方论文地址:https://aclanthology.org/D16-1058.pdf



1. 使用方法

1.1. 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

1.2. 模型交叉验证

python train_k_fold_cross_val.py

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。

2. 模型来源

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