Bert-Chinese-Text-Classification-Pytorch

中文文本分类，Bert，ERNIE，基于pytorch，开箱即用。

介绍

模型介绍、数据流动过程：还没写完，写好之后再贴博客地址。

环境

python 3.7
pytorch 1.1
tqdm
sklearn
tensorboardX
pytorch_pretrained_bert

中文数据集

我从THUCNews中抽取了20万条新闻标题，已上传至github，文本长度在20到30之间。一共10个类别，每类2万条。数据以字为单位输入模型。

类别：财经、房产、股票、教育、科技、社会、时政、体育、游戏、娱乐。

数据集划分：

数据集	数据量
训练集	18万
验证集	1万
测试集	1万

更换自己的数据集

• 按照我数据集的格式来格式化你的中文数据集。

效果

模型	acc	备注
bert	94.04%	bert + fc
ERNIE	92.75%	效果略差

CNN、RNN、DPCNN、RCNN、RNN+Attention、FastText等模型效果，请见我另外一个仓库。

预训练语言模型

bert模型放在 bert_pretain目录下，ERNIE模型放在ERNIE_pretrain目录下，每个目录下都是三个文件：

• pytorch_model.bin
• bert_config.json
• vocab.txt

预训练模型下载地址：
bert_Chinese: https://s3.amazonaws.com/models.huggingface.co/bert/bert-base-chinese.tar.gz 来自这里
ERNIE_Chinese: http://image.nghuyong.top/ERNIE.zip 来自这里
解压后，按照上面说的放在对应目录下，文件名称确认无误即可。

使用说明

下载好预训练模型就可以跑了。

# 训练并测试：
# bert
python run.py --model bert

# ERNIE
python run.py --model ERNIE

参数

模型都在models目录下，超参定义和模型定义在同一文件中。

未完待续

• bert + CNN, RNN, RCNN, DPCNN等
• ERNIE + CNN, RNN, RCNN, DPCNN等
• XLNET
• 另外想加个label smoothing试试效果
• 封装预测功能

对应论文

[1] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding
[2] ERNIE: Enhanced Representation through Knowledge Integration