因为某种原因阻止文本引擎初始化_【NLP】Bert文本分类

各位小伙伴，google在2018年提出的NLP最强兵器Bert，目前也有提供可直接使用的预训练Model，下方链结就是我使用的Bert模型，详细的内容可以参考下面的链结

下面我开始测试这个bert模型有多好用吧!!

1. 新闻的分类

我准备的数据是新闻的标题、新闻的内容、以及新闻标题与内容的相关性(最不相关为0~最相关3)

首先先将新闻的数据整理,因为文本太长超过Bert的512个字符的长度,需要截取部份

df_train 

2. 数据整理成Bert可读取的torch资料

将资料整理成三部份

1. tokens_tensor：每一个单字的字符代号
2. segments_tensor：两文本的分类（0代表第一个文本，1代表第二个文本）
3. label_tensor：训练的文本产出（最不相关为0~最相关3）

from 

3. Trainset整理成mini-batch

将资料整理成mini-batch，并且整理每个batch的数据

1. 所有的序列都变成同一个长度，不足的部份将补0
2. 增加masks_tensors，让有文本的部份的数据为1，让补０的部份设定为0，避免模型训练时将过多文本补０的值考虑进去计算
3. 因为我的GTX 1080 Ti 测试后BATCH_SIZE最多只能放7个训练样本(因为我设定的文本约500个字符)，需要自行逐步测试才知道自己的显卡能塞多少数据进去

"""

4. 文本分类的种类设定

因为我的文本有4种种类(0~3)，所以设定为４种分类

# 載入一個可以做中文多分類任務的模型，n_class = 4

5. 取得初始化模型預測結果以及分類準確度

因为我有两张显卡(骄傲抬头)，所以我把这个模型训练放在cuda:1中，若小伙伴只有一张显卡，要调整成cuda:0才能进行训练

"""

可以看一下最初使用Bert预测的结果,.......恩@@, 还没训练前的效很差，准确率只有28.88%

因为我们还没有针对这个文本进行二次训练，让Bert了解我想要的文本分类需求，下面就进行模型的再次训练吧

6. 设定模型参数

设定Adam的模型分类参数

def 

7. 模型开始训练

设定模型训练20次

import 

下面开始训练的20次的情况，准确率有明显的提升83.36% (撒花!!)

8. 画图来看一下准确率

# 绘制训练的准确率图形

可以看出Bert做文本分类效果有显著的提升, Bert其实还可以做情感分析,只需要将分类的类别调整成2种即可，有兴趣的小伙伴可以自己测试看!!