python毕业设计-基于pytorch + bert的多标签文本分类（源码+文档）.zip

# 基于pytorch_bert的中文多标签分类 本项目是基于pytorch+bert的中文多标签文本分类，使用的数据集是百度的：《2020语言与智能技术竞赛：事件抽取任务》中的数据，其官网为：<a href="https://aistudio.baidu.com/aistudio/competition/detail/32">2020语言与智能技术竞赛：事件抽取任务</a>，在该项目中，数据存放在data/raw_data文件夹下。<br> ## 使用依赖 ```python torch==1.6.0 transformers==4.5.1 ``` ## 相关说明 --logs：存放日志<br> --checkpoints：存放保存的模型<br> --data：存放数据<br> --utils：存放辅助函数<br> --bert_config.py：相关配置<br> --dataset.py：制作数据为torch所需的格式<br> --preprocess.py：数据预处理成bert所需要的格式<br> --models.py：存放模型代码 --main.py：主运行程序，包含训练、验证、测试、预测以及相关评价指标的计算<br> 要预先下载好预训练的bert模型，放在和该项目同级下的model_hub文件夹下，即：<br> model_hub/bert-base-chinese/ 相关下载地址：<a href="https://huggingface.co/bert-base-chinese/tree/main=">bert-base-chinese</a><br> 需要的是vocab.txt、config.json、pytorch_model.bin ## 一般步骤 先从preprocess.py中看起，里面有处理数据为bert所需格式的相关代码，相关运行结果会保存在logs下面的preprocess.log中。然后看dataset.py代码，里面就是制作成torch所需格式的数据集。感兴趣的可以继续看看models.py中模型建立的过程。最终的运行主函数在main.py中。在main.py中运行的结果会保存在logs下的main.log中。 ## 运行 ```python python main.py \ --bert_dir="../model_hub/bert-base-chinese/" \ --data_dir="./data/final_data/" \ --log_dir="./logs/" \ --output_dir="./checkpoints/" \ --num_tags=65 \ --seed=123 \ --gpu_ids="0" \ --max_seq_len=128 \ --lr=3e-5 \ --other_lr=3e-4 \ --train_batch_size=32 \ --train_epochs=5 \ --eval_batch_size=32 \ ``` 在main.py中有相关代码控制训练、验证、测试、预测，根据需要注释掉其他的。 ## 结果 ### 训练和验证（部分结果） ``` 2021-07-16 15:07:46,448 - INFO - main.py - train - 70 - 【train】 epoch：4 step:1799/1870 loss：0.019321 2021-07-16 15:07:51,781 - INFO - main.py - train - 75 - 【dev】 loss：0.722948 accuracy：0.8344 micro_f1：0.8982 macro_f1：0.7839 2021-07-16 15:07:51,782 - INFO - main.py - train - 77 - ------------>保存当前最好的模型 ``` ### 测试 由于没有测试集，因此验证和测试使用的是同一个数据集： ```python ========进行测试======== 2021-07-16 15:10:11,912 - INFO - main.py - <module> - 187 - 【test】 loss：0.754452 accuracy：0.8144 micro_f1：0.8879 macro_f1：0.7593 2021-07-16 15:10:11,957 - INFO - main.py - <module> - 189 - precision recall f1-score support 财经/交易-出售/收购 1.00 0.88 0.93 24 财经/交易-跌停 1.00 0.79 0.88 14 财经/交易-加息 0.00 0.00 0.00 3 财经/交易-降价 1.00 0.78 0.88 9 财经/交易-降息 0.00 0.00 0.00 4 财经/交易-融资 1.00 1.00 1.00 14 财经/交易-上市 1.00 0.14 0.25 7 财经/交易-涨价 1.00 0.20 0.33 5 财经/交易-涨停 0.96 0.96 0.96 27 产品行为-发布 0.97 0.95 0.96 150 产品行为-获奖 0.93 0.81 0.87 16 产品行为-上映 0.97 0.89 0.93 35 产品行为-下架 1.00 0.83 0.91 24 产品行为-召回 1.00 1.00 1.00 36 交往-道歉 0.94 0.89 0.92 19 交往-点赞 1.00 0.64 0.78 11 交往-感谢 1.00 0.12 0.22 8 交往-会见 1.00 0.92 0.96 12 交往-探班 1.00 0.60 0.75 10 竞赛行为-夺冠 0.84 0.84 0.84 56 竞赛行为-晋级 0.94 0.88 0.91 33 竞赛行为-禁赛 0.93 0.88 0.90 16 竞赛行为-胜负 0.98 0.95 0.97 213 竞赛行为-退赛 1.00 0.50 0.67 18 竞赛行为-退役 1.00 0.91 0.95 11 人生-产子/女 1.00 0.53 0.70 15 人生-出轨 0.00 0.00 0.00 4 人生-订婚 1.00 1.00 1.00 9 人生-分手 1.00 0.93 0.97 15 人生-怀孕 1.00 0.50 0.67 8 人生-婚礼 0.00 0.00 0.00 6 人生-结婚 1.00 0.72 0.84 43 人生-离婚 1.00 0.88 0.94 33 人生-庆生 1.00 0.94 0.97 16 人生-求婚 1.00 0.67 0.80 9 人生-失联 1.00 0.36 0.53 14 人生-死亡 0.96 0.66 0.78 106 司法行为-罚款 1.00 0.86 0.93 29 司法行为-拘捕 0.97 0.95 0.96 88 司法行为-举报 1.00 1.00 1.00 12 司法行为-开庭 0.93 1.00 0.97 14 司法行为-立案 0.90 1.00 0.95 9 司法行为-起诉 0.92 0.57 0.71 21 司法行为-入狱 0.88 0.78 0.82 18 司法行为-约谈 0.97 0.97 0.97 32 灾害/意外-爆炸 1.00 0.11 0.20 9 灾害/意外-车祸 0.88 0.86 0.87 35 灾害/意外-地震 1.00 0.86 0.92 14 灾害/意外-洪灾 1.00 0.57 0.73 7 灾害/意外-起火 0.91 0.78 0.84 27 灾害/意外-坍/垮塌 1.00 0.40 0.57 10 灾害/意外-袭击 0.82 0.56 0.67 16 灾害/意外-坠机 1.00 0.92 0.96 13 组织关系-裁员 1.00 0.79 0.88 19 组织关系-辞/离职 0.99 0.96 0.97 71 组织关系-加盟 0.97 0.78 0.86 41 组织关系-解雇 1.00 0.46 0.63 13 组织关系-解散 1.00 0.70 0.82 10 组织关系-解约 0.00 0.00 0.00 5 组织关系-停职 1.00 0.82 0.90 11 组织关系-退出 0.93 0.64 0.76 22 组织行为-罢工 1.00 0.88 0.93 8 组织行为-闭幕 0.88 0.78 0.82 9 组织行为-开幕 0.93 0.88 0.90 32 组织行为-游行 1.00 0.78 0.88 9 micro avg 0.96 0.82 0.89 1657 macro avg 0.90 0.70 0.76 1657 weighted avg 0.95 0.82 0.87 1657 samples avg 0.88 0.85 0.86 1657 ``` ## 预测 预测的结果没有保存在log中，在main.py中最下面一段代码就是的，自行运行即可。