智能交互助手 - bert训练

NLU的部分,把bert要finetune一下

用的是bert标准的classification的任务

直接引用官方的说明


bert

代码简单修改了一下,增加了rasa的task

class RasaProcessor(DataProcessor):
  """Processor for the MRPC data set (GLUE version)."""

  def get_train_examples(self, data_dir):
    """See base class."""
    return self._create_examples(
        self._read_tsv(os.path.join(data_dir, "train.tsv")), "train")

  def get_dev_examples(self, data_dir):
    """See base class."""
    return self._create_examples(
        self._read_tsv(os.path.join(data_dir, "dev.tsv")), "dev")

  def get_test_examples(self, data_dir):
    """See base class."""
    return self._create_examples(
        self._read_tsv(os.path.join(data_dir, "test.tsv")), "test")

  def get_labels(self, data_dir):
    """See base class."""
    # 通过读取train文件获取标签的方法会出现一定的风险。
    if os.path.exists(os.path.join(data_dir, 'label_list.pkl')):
        with open(os.path.join(data_dir, 'label_list.pkl'), 'rb') as rf:
            self.labels = pickle.load(rf)
    else:
        self.labels = ["O", 'B-TIM', 'I-TIM', "B-PER", "I-PER", "B-ORG", "I-ORG", "B-LOC", "I-LOC", "X", "[CLS]", "[SEP]"]
    return self.labels

  def _create_examples(self, lines, set_type):
    """Creates examples for the training and dev sets."""
    examples = []
    for (i, line) in enumerate(lines):
      if i == 0:
        continue
      guid = "%s-%s" % (set_type, i)
      text_a = tokenization.convert_to_unicode(line[3])
      if set_type == "test":
        label = "重来"
      else:
        label = tokenization.convert_to_unicode(line[0])
      examples.append(
          InputExample(guid=guid, text_a=text_a, label=label))
    return examples

这里的核心就是get_labels
因为rasa框架里,label是可以动态添加的,也就是对应了我们要识别的意图,因此,采用label_list文件读取。

这里就涉及到bert训练数据的生成

基于之前chatito生成的rasa的json文件,直接读取,转换成bert的classification格式的数据,同时保留一定比例的训练、测试数据

with open(sys.argv[1], "r") as input_file:
    training_data = json.loads(input_file.read())
    #print(training_data)
    nlu_data = training_data.get("rasa_nlu_data","")
    examples = nlu_data.get("common_examples","")

    ###############################################################################################
    # Generate classifier training data
    #
    print("Starting classifier data generation")
    train_file = open("./classifier_data/train.tsv", "w+")
    train_file.writelines("intent\tid1\tid2\ttext\n")
    dev_file = open("./classifier_data/dev.tsv", "w+")
    dev_file.writelines("intent\tid1\tid2\ttext\n")
    test_file = open("./classifier_data/test.tsv", "w+")
    test_file.writelines("intent\tid1\tid2\ttext\n")
    idx = 0
    label_list = set()
    for example in examples:
        idx += 1
        #print("{}, intent: {}, text: {}".format((idx%10), example["intent"], example["text"]))
        train_file.writelines("{}\t{}\t0\t{}\t\n".format(example["intent"], idx, example["text"]))
        if (idx % 10) < 6:
            #train_file.writelines("{}\t0\t0\t{}\t\n".format(example["intent"], example["text"]))
            pass
        elif (idx % 10) < 8:
            dev_file.writelines("{}\t{}\t0\t{}\t\n".format(example["intent"], idx, example["text"]))
        else:
            test_file.writelines("{}\t{}\t0\t{}\t\n".format(example["intent"], idx, example["text"]))
        label_list.add(example["intent"])
    train_file.close()
    dev_file.close()
    test_file.close()

    label_list = sorted(list(label_list))
    with open("./classifier_data/label_list.pkl", "wb") as label_file:
        pickle.dump(label_list, label_file)
    print("Finished generation, total example {}, label list: {}".format(idx, label_list))
  • 将bert的classification整合到macanv的BERT-BILSTM-CRF-NER
    在macanv的框架里,稍微调整了一下代码结构
    同时,还需要额外生成label2id.pkl文件,以供后续使用
    需要在macanv的训练代码中额外增加:

  # 保存label->index 的map
  if not os.path.exists(os.path.join(output_dir, 'label2id.pkl')):
      with open(os.path.join(output_dir, 'label2id.pkl'), 'wb') as w:
          pickle.dump(label_map, w)

      print("label map: {}".format(label_map))

详细内容请参考
https://github.com/xgzhang83/BERT-BiLSTM-CRF-NER/blob/master/bert_base/train/bert_classifier.py

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,366评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,521评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,689评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,925评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,942评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,727评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,447评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,349评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,820评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,990评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,127评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,812评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,471评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,017评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,142评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,388评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,066评论 2 355