做简约头像网站,中国新闻社官网招聘,做外贸 网站,网站建设的方案实施包括模型介绍
本项目是使用Bert模型来进行文本的实体识别。
Bert模型介绍可以查看这篇文章#xff1a;nlp系列#xff08;2#xff09;文本分类#xff08;Bert#xff09;pytorch_bert文本分类_牧子川的博客-CSDN博客
模型结构
Bert模型的模型结构#xff1a; 数据介绍 …模型介绍
本项目是使用Bert模型来进行文本的实体识别。
Bert模型介绍可以查看这篇文章nlp系列2文本分类Bertpytorch_bert文本分类_牧子川的博客-CSDN博客
模型结构
Bert模型的模型结构 数据介绍
数据网址https://github.com/buppt//raw/master/data/people-relation/train.txt 实体1 实体2 关系 文本 input_ids_list, token_type_ids_list, attention_mask_list, e1_masks_list, e2_masks_list, labels_list [], [], [], [], [], []for instance in batch_data:# 按照batch中的最大数据长度,对数据进行padding填充input_ids_temp instance[input_ids]token_type_ids_temp instance[token_type_ids]attention_mask_temp instance[attention_mask]e1_masks_temp instance[e1_masks]e2_masks_temp instance[e2_masks]labels_temp instance[labels]# 添加到对应的list中input_ids_list.append(torch.tensor(input_ids_temp, dtypetorch.long))token_type_ids_list.append(torch.tensor(token_type_ids_temp, dtypetorch.long))attention_mask_list.append(torch.tensor(attention_mask_temp, dtypetorch.long))e1_masks_list.append(torch.tensor(e1_masks_temp, dtypetorch.long))e2_masks_list.append(torch.tensor(e2_masks_temp, dtypetorch.long))labels_list.append(labels_temp)# 使用pad_sequence函数会将list中所有的tensor进行长度补全补全到一个batch数据中的最大长度补全元素为padding_valuereturn {input_ids: pad_sequence(input_ids_list, batch_firstTrue, padding_value0),token_type_ids: pad_sequence(token_type_ids_list, batch_firstTrue, padding_value0),attention_mask: pad_sequence(attention_mask_list, batch_firstTrue, padding_value0),e1_masks: pad_sequence(e1_masks_list, batch_firstTrue, padding_value0),e2_masks: pad_sequence(e2_masks_list, batch_firstTrue, padding_value0),labels: torch.tensor(labels_list, dtypetorch.long)}
模型准备 def forward(self, token_ids, token_type_ids, attention_mask, e1_mask, e2_mask):sequence_output, pooled_output self.bert_model(input_idstoken_ids, token_type_idstoken_type_ids,attention_maskattention_mask, return_dictFalse)# 每个实体的所有token向量的平均值e1_h self.entity_average(sequence_output, e1_mask)e2_h self.entity_average(sequence_output, e2_mask)e1_h self.activation(self.dense(e1_h))e2_h self.activation(self.dense(e2_h))# [cls] 实体1 实体2concat_h torch.cat([pooled_output, e1_h, e2_h], dim-1)concat_h self.norm(concat_h)logits self.hidden2tag(self.drop(concat_h))return logits
模型预测 输入中文句子丁一岚与丈夫邓拓 句子中的实体1丁一岚 句子中的实体2邓拓 在丁一岚与丈夫邓拓中丁一岚与邓拓的关系为夫妻 输入中文句子丁一岚与丈夫邓拓 句子中的实体1邓拓 句子中的实体2丁一岚 在【丁一岚与丈夫邓拓】中【邓拓】与【丁一岚】的关系为夫妻 输入中文句子京德云社演出相声演员包括郭德纲、于谦、李菁、高峰、何云伟、曹云金、刘云天、栾云平、岳云鹏等段子包括《兵器谱》、《大西厢》、《梦中婚 句子中的实体1郭德纲 句子中的实体2刘云天 在【京德云社演出相声演员包括郭德纲、于谦、李菁、高峰、何云伟、曹云金、刘云天、栾云平、岳云鹏等段子包括《兵器谱》、《大西厢》、《梦中婚】中【郭德纲】与【刘云天】的关系为师生 输入中文句子在荣国府里虽然官爵是由贾政承继但真正主持家政的却是贾赦这一派而且贾赦在贾母面前似乎并不得宠。 句子中的实体1贾母 句子中的实体2贾赦 在【在荣国府里虽然官爵是由贾政承继但真正主持家政的却是贾赦这一派而且贾赦在贾母面前似乎并不得宠。】中【贾母】与【贾赦】的关系为父母 源码获取
Bert 关系识别https://github.com/mzc421/Pytorch-NLP/tree/master/12-Bert%20%E5%85%B3%E7%B3%BB%E8%AF%86%E5%88%AB
硬性的标准其实限制不了无限可能的我们所以啊少年们加油吧
