BERT模型—4.BERT模型在关系分类任务上的微调_bert分类任务

---

数据代码见：https://gitee.com/lj857335332/bert_finetune_re

---

引言

  关系分类任务在信息抽取中处于核心地位。关系分类任务就是从非结构化文本中抽取出结构化知识；具体为：区分出头实体与尾实体之间的语义关系，比如：

通过模型将头实体与尾实体的语义关系分类分出来。那么BERT模型如何应用在关系分类任务当中呢？关系分类模型的架构有多种选择：

• 第一种实现方式：将BERT模型应用于句子的向量表征，不管实体位于句子当中的哪个位置，仍然将句子分词，首尾加上[CLS]与[SEP]，将[CLS]的向量表征拿出来，输入到分类器中，这个分类器输出关系预测类型上的打分。
  
• 第二种实现方式：不是直接拿到句子的向量表征，而是将句子中的向量表征拿出来，这两个向量表征进行拼接后输入到分类器中，这里就要涉及到MENTION POOLING操作。因为实体可能是单个token，也可能是多个token。如果是多个token的话，多个token的向量表征要转化成整个实体的固定大小的向量表征。
  
• 第三种方式：通过外部的信息告诉模型头实体与尾实体的位置，这就是所谓的POSITIONAL EMBEDDING。这种信息在传统的关系分类任务当中被验证是非常有帮助的，模型更容易表征两个实体的语义关系
  
• 第四种方式：通过在句子中添加特殊符号来标识两个实体的位置，这种实现方法对句子有一定的改变
    研究者们已经将这7种架构在基准数据集上进行了对比，
  
  下面就ENTITY MARKERS与CLS相结合予以实现。

一、项目环境配置

• torch==1.6.0
• transformers==3.0.2
• seqeval==0.0.12
• pytorch-crf==0.7.2

二、数据集介绍

• 关系分类标签的数量由数据集决定

  我们这一节使用semeval10数据，数据集由训练集、验证集、测试集组成

  semeval.txt文件是semeval10数据，是一个在学术论文中广泛使用的数据集。这个数据集每一行是一个JSON文件，形式如下：

{
   "token": ["the", "original", "play", "was", "filled", "with", "very", "topical", "humor", ",", "so", "the", "director",
 "felt", "free", "to", "add", "current", "topical", "humor", "to", "the", "script", "."], "h": {
   "name": "play",
  "pos": [2, 3]}, "t": {
   "name": "humor", "pos": [8, 9]}, "relation": "Component-Whole(e2,e1)"}
1
2
3
4
5
6

  semeval_rel2id.json文件是给定的关系分类标签映射,一共19个关系分类标签

三、代码介绍

• data_loader.py文件：这个文件的功能是将文本文件转化成InputExample类数据，并将输入样本转化为bert能够读取的InputFeatures类数据，最后保存至cache文件中，方便下次快速加载。
• utils.py文件:封装了很多实用程序，方便统一调用
• trainer.py文件：定义了任务的训练与评估以及保存模型与加载模型
• main.py文件：用于模型的训练与评估
• predict.py文件：用于模型的预测
• modeling_bert.py文件：自定义关系分类BERT模型

1.Focal loss损失函数

$$FL(p_t$$