文件名称：ABSA-PyTorch：基于方面的情感分析，PyTorch实现。基于方面的情感分析，使用PyTorch实现
文件大小：1.7MB
文件格式：ZIP
更新时间：2024-02-24 09:00:33
nlp natural-language-processing sentiment-analysis attention bert
ABSA-PyTorch 基于方面的情感分析，PyTorch实现。 基于方面的情感分析，使用PyTorch实现。 需求 火炬> = 0.4.0 numpy的> = 1.13.3 斯克莱恩 python 3.6 / 3.7 变形金刚 要安装需求，请运行pip install -r requirements.txt 。 对于非基于BERT的模型，需要，请参阅了解更多详细信息。 用法 训练 python train.py --model_name bert_spc --dataset restaurant 所有实现的模型都列在。 有关更多训练参数，请参见 。 请参阅以获取k倍交叉验证支持。 推理 有关基于非BERT的模型和基于BERT的模型，请参考 。 提示 对于非基于BERT的模型，训练过程不是很稳定。 基于BERT的模型对小数据集上的超参数（尤其是学习率）更敏感，请参阅。 为了释放BERT的真正功能，必须对特定任务进行微调。 评论/调查 邱锡鹏等。 “自然语言处理的预训练模型：调查。” arXiv预印本arXiv：2003.08271（2020）。 张磊，王帅和刘
【文件预览】：
ABSA-PyTorch-master
----models()
--------td_lstm.py(1KB)
--------cabasc.py(6KB)
--------lcf_bert.py(5KB)
--------aen.py(5KB)
--------ram.py(3KB)
--------mgan.py(5KB)
--------atae_lstm.py(2KB)
--------tc_lstm.py(2KB)
--------tnet_lf.py(3KB)
--------asgcn.py(4KB)
--------memnet.py(2KB)
--------__init__.py(549B)
--------aoa.py(2KB)
--------bert_spc.py(715B)
--------ian.py(2KB)
--------lstm.py(839B)
----infer_example.py(7KB)
----LICENCE(1KB)
----train.py(13KB)
----layers()
--------squeeze_embedding.py(1KB)
--------dynamic_rnn.py(4KB)
--------attention.py(4KB)
--------point_wise_feed_forward.py(841B)
--------__init__.py(130B)
----requirements.txt(62B)
----train_k_fold_cross_val.py(14KB)
----data_utils.py(8KB)
----.all-contributorsrc(2KB)
----.gitignore(397B)
----dependency_graph.py(2KB)
----README.md(10KB)
----datasets()
--------semeval14()
--------acl-14-short-data()