基于Bert的微博评论情感分析

Gitee链接：https://gitee.com/chyl-100days/bert-weibo-emotional-analysis

摘要

本项目

本文采用了基于Bert架构进行微博评论情感分析，数据集来源于Github，采用其中100,000条数据，80000条作为训练集，10000条作为验证集和测试集。Bert的预训练模型开源模型来源于HuggingFace team的bert base chinese。该模型已针对中文进行了预训练。本项目基于pytorch进行编程。

Bert

语言表示模型BERT，名字全称为 Bidirectional Encoder Representations from Transformer （来自于Transformer的双向编码器表示）

BERT是用于训练深的双向表示，用的是没有标签的数据，训练时会联合左右的上下文信息。

于是，我们预训练好的BERT模型只用加一个额外的输出层就可以得到一个不错的结果，再很多NLP任务上不需要对任务对架构进行大的改动（这里说明了和GPT不一样）ELMo（前人的研究）用的是一个基于RNN的架构，BERT用的是Transformer，BERT任务做起来比较简单。

项目

目录结构

文件夹

作用

Bert-pretrain

存放bert预训练模型

dataset

训练集、验证集、测试集

pytorch_pretrained

预训练相关脚本

saved

存放训练出来的权重

Python代码

作用

bert_module.py

Bert模型类

config.py

配置项

dataloader.py

数据加载实现代码

main.py

程序运行主程

train.py

训练部分代码

运行训练

由于bert模型过于大，Bert-pretrain和saved下的文件放在了百度网盘中

链接：https://pan.baidu.com/s/16aGJh4fBTFodZcI_nzN4ug 提取码：syrj

随后直接运行main.py即可进行训练

训练集

训练集来源于Github上某位作者搜集的NLP语料

SophonPlus/ChineseNlpCorpus: 搜集、整理、发布中文自然语言处理语料/数据集，与有志之士共同促进中文自然语言处理的发展。 (github.com)

采用了其中 <weibo_senti_100k>10 万多条，带情感标注新浪微博，正负向评论约各 5 万条

sample其中几条看看：

Label

Review

62050

太过分了@Rexzhenghao //@Janie_Zhang:招行最近负面新闻越来越多呀...

68263

希望你?得好?我本＂?肥血?史＂[晕][哈哈]@Pete三姑父

81472

有点想参加????[偷?]想安排下时间再决定[抓狂]//@黑晶晶crystal: @细腿大羽...

42021

[给力]感谢所有支持雯婕的芝麻！[爱你]

7777

2013最后一天，在新加坡开心度过，向所有的朋友们问声：新年快乐！2014年，我们会更好[调...

100399

大中午出门办事找错路，曝晒中。要多杯具有多杯具。[泪][泪][汗]

82398

马航还会否认吗？到底在隐瞒啥呢？[抓狂]//@头条新闻: 转发微博

106423

克罗地亚球迷很爱放烟火！球又没进，就硝烟四起。[晕]

24798

[抱抱]福芦 TangRoulou 吉祥书 8.8折优惠 >>> http://t.cn/z...

采用其中100,000条数据，80000条作为训练集，10000条作为验证集和测试集

预训练

Bert的预训练模型开源模型来源于HuggingFace team的bert base chinese

来源地址为：bert-base-chinese · Hugging Face

Model Description: This model has been pre-trained for Chinese, training and random input masking has been applied independently to word pieces (as in the original BERT paper).

Developed by: HuggingFace team

Model Type: Fill-Mask

Language(s): Chinese

License: [More Information needed]

Parent Model: See the BERT base uncased model for more information about the BERT base model.

训练参数

训练环境：AMD Ryzen7 5800H + GTX3070 8G

epoch：3

batchSize：128

padSize：32 （一句话的最大长度，少补多切）

learningRate：5e-5

隐藏层大小：768（原始论文的base版参数）

Bert原始论文的base版参数 12个Transformer块、768个隐藏层块、12个自注意力多头数

训练结果

训练

迭代次数（batch）

训练损失

训练正确率

验证集损失

验证集正确率

使用时间(秒)

0 epoch1

0.68

61.72%

0.69

53.83%

123

100

0.28

84.38%

0.3

86.02%

443

200

0.29

86.72%

0.31

85.93%

770

300

0.31

84.38%

0.28

87.04%

1109

400

0.22

88.28%

0.3

85.91%

1430

500

0.28

84.38%

0.28

87.50%

1766

600

0.36

81.25%

0.27

87.63%

2096

700 epoch2

0.27

87.50%

0.27

87.61%

2422

800

0.29

85.94%

0.28

87.28%

2740

900

0.28

85.94%

0.27

87.56%,

3058

1000

0.27

87.50%

0.27

87.84%

3376

1100

0.24

88.28%

0.27

87.31%

3700

1200

0.24

89.06%

0.3

86.66%

4025

1300 epoch3

0.18

94.53%

0.3

87.35%

4351

1400

0.22

90.62%

0.3

87.38%

4689

1500

0.21

92.97%

0.3

87.07%

5036

1600

0.2

92.19%

0.31

87.26%

5360

1700

0.26

86.72%

0.31

87.31%

5684

1800

0.15

92.97%

0.31

87.28%

6013

测试

正确率

召回率

F1-score

数量

负面标签

0.8631

0.8730

0.8680

5063

正面标签

0.8632

0.8580

0.8631

4937

准确度

0.8656

10000

宏平均

0.8657

0.8655

0.8656

10000

加权平均

0.8656

10000

参考

[1] 李宏毅机器学习春 Transformer 上 https://www.bilibili.com/video/BV1Wv411h7kN

[2] 李宏毅机器学习春自监督式学习 Bert https://www.bilibili.com/video/BV1Wv411h7kN

[3] 李沐 BERT论文逐段精读 https://www.bilibili.com/video/BV1PL411M7eQ

[4] Github 649453932 / Bert-Chinese-Text-Classification-Pytorch

[5] Github SophonPlus / ChineseNlpCorpus

[6] bert-base-chinese https://huggingface.co/bert-base-chinese#

Previous其他工作 Next超分辨率SR（Todo）

Last updated 2 years ago

基于Bert的微博评论情感分析

Gitee链接：https://gitee.com/chyl-100days/bert-weibo-emotional-analysis

摘要

本项目

Bert

语言表示模型BERT，名字全称为 Bidirectional Encoder Representations from Transformer （来自于Transformer的双向编码器表示）

BERT是用于训练深的双向表示，用的是没有标签的数据，训练时会联合左右的上下文信息。

项目

目录结构

文件夹

作用

Bert-pretrain

存放bert预训练模型

dataset

训练集、验证集、测试集

pytorch_pretrained

预训练相关脚本

saved

存放训练出来的权重

Python代码

作用

bert_module.py

Bert模型类

config.py

配置项

dataloader.py

数据加载实现代码

main.py

程序运行主程

train.py

训练部分代码

运行训练

由于bert模型过于大，Bert-pretrain和saved下的文件放在了百度网盘中

链接：https://pan.baidu.com/s/16aGJh4fBTFodZcI_nzN4ug 提取码：syrj

随后直接运行main.py即可进行训练

训练集

训练集来源于Github上某位作者搜集的NLP语料

SophonPlus/ChineseNlpCorpus: 搜集、整理、发布中文自然语言处理语料/数据集，与有志之士共同促进中文自然语言处理的发展。 (github.com)

采用了其中 <weibo_senti_100k>10 万多条，带情感标注新浪微博，正负向评论约各 5 万条

sample其中几条看看：

Label

Review

62050

太过分了@Rexzhenghao //@Janie_Zhang:招行最近负面新闻越来越多呀...

68263

希望你?得好?我本＂?肥血?史＂[晕][哈哈]@Pete三姑父

81472

有点想参加????[偷?]想安排下时间再决定[抓狂]//@黑晶晶crystal: @细腿大羽...

42021

[给力]感谢所有支持雯婕的芝麻！[爱你]

7777

2013最后一天，在新加坡开心度过，向所有的朋友们问声：新年快乐！2014年，我们会更好[调...

100399

大中午出门办事找错路，曝晒中。要多杯具有多杯具。[泪][泪][汗]

82398

马航还会否认吗？到底在隐瞒啥呢？[抓狂]//@头条新闻: 转发微博

106423

克罗地亚球迷很爱放烟火！球又没进，就硝烟四起。[晕]

24798

[抱抱]福芦 TangRoulou 吉祥书 8.8折优惠 >>> http://t.cn/z...

采用其中100,000条数据，80000条作为训练集，10000条作为验证集和测试集

预训练

Bert的预训练模型开源模型来源于HuggingFace team的bert base chinese

来源地址为：bert-base-chinese · Hugging Face

Model Description: This model has been pre-trained for Chinese, training and random input masking has been applied independently to word pieces (as in the original BERT paper).

Developed by: HuggingFace team

Model Type: Fill-Mask

Language(s): Chinese

License: [More Information needed]

Parent Model: See the BERT base uncased model for more information about the BERT base model.

训练参数

训练环境：AMD Ryzen7 5800H + GTX3070 8G

epoch：3

batchSize：128

padSize：32 （一句话的最大长度，少补多切）

learningRate：5e-5

隐藏层大小：768（原始论文的base版参数）

Bert原始论文的base版参数 12个Transformer块、768个隐藏层块、12个自注意力多头数

训练结果

训练

迭代次数（batch）

训练损失

训练正确率

验证集损失

验证集正确率

使用时间(秒)

0 epoch1

0.68

61.72%

0.69

53.83%

123

100

0.28

84.38%

0.3

86.02%

443

200

0.29

86.72%

0.31

85.93%

770

300

0.31

84.38%

0.28

87.04%

1109

400

0.22

88.28%

0.3

85.91%

1430

500

0.28

84.38%

0.28

87.50%

1766

600

0.36

81.25%

0.27

87.63%

2096

700 epoch2

0.27

87.50%

0.27

87.61%

2422

800

0.29

85.94%

0.28

87.28%

2740

900

0.28

85.94%

0.27

87.56%,

3058

1000

0.27

87.50%

0.27

87.84%

3376

1100

0.24

88.28%

0.27

87.31%

3700

1200

0.24

89.06%

0.3

86.66%

4025

1300 epoch3

0.18

94.53%

0.3

87.35%

4351

1400

0.22

90.62%

0.3

87.38%

4689

1500

0.21

92.97%

0.3

87.07%

5036

1600

0.2

92.19%

0.31

87.26%

5360

1700

0.26

86.72%

0.31

87.31%

5684

1800

0.15

92.97%

0.31

87.28%

6013

测试

正确率

召回率

F1-score

数量

负面标签

0.8631

0.8730

0.8680

5063

正面标签

0.8632

0.8580

0.8631

4937

准确度

0.8656

10000

宏平均

0.8657

0.8655

0.8656

10000

加权平均

0.8656

10000

参考

[1] 李宏毅机器学习春 Transformer 上 https://www.bilibili.com/video/BV1Wv411h7kN

[2] 李宏毅机器学习春自监督式学习 Bert https://www.bilibili.com/video/BV1Wv411h7kN

[3] 李沐 BERT论文逐段精读 https://www.bilibili.com/video/BV1PL411M7eQ

[4] Github 649453932 / Bert-Chinese-Text-Classification-Pytorch

[5] Github SophonPlus / ChineseNlpCorpus

[6] bert-base-chinese https://huggingface.co/bert-base-chinese#

Previous其他工作 Next超分辨率SR（Todo）

Last updated 2 years ago