Chinese_Coreference_Resolution:中文指代消解，pytorch实现

# SpanBERT for Chinese Coreference Resolution (Pytorch) - 参考论文： [SpanBERT: Improving Pre-training by Representing and Predicting Spans](https://arxiv.org/abs/1907.10529) - 参考开源代码（面向英文、使用tensorflow）：[https://github.com/mandarjoshi90/coref](https://github.com/mandarjoshi90/coref) - 预训练模型下载地址： - 中文预训练`RoBERTa`模型（https://github.com/brightmart/roberta_zh） - 中文预训练`BERT-wwm`模型（https://github.com/brightmart/roberta_zh） - 中文预训练`Bert`模型（https://s3.amazonaws.com/models.huggingface.co/bert/bert-base-chinese.tar.gz） #### 1. 代码架构： │ conll.py │ coreference.py │ demo.py │ metrics.py │ utils.py │ experiments.conf │ requirements.txt │ ├─bert │ │ modeling.py │ │ optimization.py │ │ tokenization.py │ ├─conll-2012 │ └─scorer │ ├─reference-coreference-scorers │ └─v8.01 ├─data │ ├─dev │ ├─test │ └─train │ └─pretrain_model │ bert_config.json │ pytorch_model.bin │ vocab.txt **其中**： **conll.py**：验证集验证所需脚本 **coreference.py** **：**指代消解模型脚本 **demo.py**：指代消解工程测试脚本 **metrics.py**：验证集计算指标脚本 **utils.py**：数据转换，文件读写脚本 **experiments.conf**：代码运行所需参数配置文件 **requirements.txt**：代码运行必要环境文件 **bert**：用于存放bert模型相关脚本文件 **conll-2012**：官方提供的验证文件 **data**：用于存放训练验证预测文件以及最后预测的结果文件 **pretrain_model**：用于存放预训练模型（包含模型、参数配置文件、字典） #### 2. 运行环境 - 运行环境要求python版本在3.5及以上，运行环境配置见`requirements.txt` - 一块`TITAN xp` , 参数选择`[ffnn_size=2000，nun_epochs=30]`，需要7小时左右 #### 3.运行方式 - 在`experiments.conf`文件中配置好向相应的参数，命令行运行：`python demo.py` 即可，默认使用第三块GPU(编号为2)。