ChatGLM警情识别实战（三）_chatglm3 识图

模型选取

确定数据脱敏方案后，就要开始选取模型，任务的关键在于机器阅读理解（Machine Reading Comprehension, MRC)，该任务也可以称为命名实体识别，根据内容选取了以下模型：

BERT-MRC模型

BERT-MRC模型是目前实体识别领域的一个SOTA模型，在数据量较小的情况下效果较其他模型要更好，原因是因为BERT-MRC模型可以通过问题加入一些先验知识，减小由于数据量太小带来的问题，在实际实验中，在数据量比较小的情况下，BERT-MRC模型的效果要较其他模型要更好一点。BERT-MRC模型很适合在缺乏标注数据的场景下使用。
具体理论知识可以参考这篇文章

https://blog.csdn.net/eagleuniversityeye/article/details/109601547

BERT-MRC的作用

一图搞懂

可以看到，该模型对任务需求十分契合，这也是最开始敲定这个模型的原因之一

BERT-MRC本地部署与使用

首先和bert-base-chinese模型一样确定环境已经安装了transformer，否则需要安装

pip install transformers
1

然后输入一下内容,该模型是基于大规模MRC数据再训练的，使用大量中文MRC数据训练的roberta_wwm_ext_large模型，效果比原版要更好
具体可以参考该模型的github

# Load model directly
from transformers import AutoTokenizer, AutoModelForQuestionAnswering

tokenizer = AutoTokenizer.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
model = AutoModelForQuestionAnswering.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
1
2
3
4
5

模型默认会下载到本地路径C:\Users\.cache\huggingface\hub\models--luhua--chinese_pretrain_mrc_roberta_wwm_ext_large下，也可以通过dir指定下载路径。注意：如果指定下载路径，调用的时候也需要指定路径

接下来就可以在本地部署使用了

# Load model directly
from transformers import pipeline
from transformers import AutoTokenizer, AutoModelForQuestionAnswering

tokenizer = AutoTokenizer.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
model = AutoModelForQuestionAnswering.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")

qa = pipeline(task='question-answering',model=model,tokenizer=tokenizer)
print(qa(question=["报警人是谁"],context='报警人叫张三，身份证号是450481197804234431，今天在某中学收到一个盗用我学生的QQ号向我求助急用钱，根据对方的提示操作被诈骗了1000元，请派警。嫌疑人李四 光大银行 4270286502778806'))
1
2
3
4
5
6
7
8
9

# Load model directly
from transformers import pipeline
from transformers import AutoTokenizer, AutoModelForQuestionAnswering

tokenizer = AutoTokenizer.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
model = AutoModelForQuestionAnswering.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")

qa = pipeline(task='question-answering',model=model,tokenizer=tokenizer)
print(qa(question=["嫌疑人是谁"],context='报警人叫张三，身份证号是450481197804234431，今天在某中学收到一个盗用我学生的QQ号向我求助急用钱，根据对方的提示操作被诈骗了1000元，请派警。嫌疑人李四 光大银行 4270286502778806'))
1
2
3
4
5
6
7
8
9

可以看到，模型会对自己的答案进行一个打分（也可以认为是模型对该答案的正确率的判断），给出答案的起始和结束地址以及答案本身

BERT-MRC的弊端

经过一系列测试，我们可以发现该模型十分契合任务需求，但是我并没有选择继续做下去了，主要是它不够大（我的任务是大模型）由我的搭档继续测试训练，等到他写了关于该模型的训练时会在此附上引用学习。接下来讲一下该模型的问题：

1. 提问query不能嵌套问题，即问题只能包含一个命名实体，当有多个命名实体时只会回答其中一个且准确率不高

# Load model directly
from transformers import pipeline
from transformers import AutoTokenizer, AutoModelForQuestionAnswering

tokenizer = AutoTokenizer.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")
model = AutoModelForQuestionAnswering.from_pretrained("luhua/chinese_pretrain_mrc_roberta_wwm_ext_large")

qa = pipeline(task='question-answering',model=model,tokenizer=tokenizer)
print(qa(question=["报警人和嫌疑人分别是谁"],context='报警人叫张三，身份证号是450481197804234431，今天在某中学收到一个盗用我学生的QQ号向我求助急用钱，根据对方的提示操作被诈骗了1000元，请派警。嫌疑人李四 光大银行 4270286502778806'))
1
2
3
4
5
6
7
8
9

2. BERT-MRC模型在不同的数据集上的效果差异比较大，而且数据处理也非常影响模型的性能，所以BERT-MRC模型是一个性能非常不稳定的模型，需要使用者理解其内部的原理后采用合适的方法来使用。