基于Bert的提示学习(prompt)文本分类

2023-11-19

1.介绍

1.1任务描述

商品同款挖掘:同款商品是指商品的重要属性完全相同且客观可比的商品,商品同款识别的主要目的是从海量结构化和无结构化的商品图文数据库中匹配得到同款商品,是构建电商产品关系的一个重要环节。商品同款作为商品知识图谱的重要组成部分,有很多应用场景,如同款商品发现等。任务数据集来自CCKS2022面向数字商务的知识处理与应用评测任务二:基于知识图谱的商品同款挖掘

1.2任务说明

商品定义: 商品(即item)通常由多个sku构成,其基础信息包括item级信息(主图、标题、类目、属性及属性值)以及sku级信息(sku图片、sku销售属性),例如:Redmi K50 是一个item(见图1),(Redmi K50,银迹,8GB+128GB)是一个sku。从消费者视角出发,对于手机类目,品牌+型号一致的商品可以认定是同款商品。
在这里插入图片描述

但由于商家个性化发布导致商品标准化、结构化程度差,且不同类目下的商品关注的重要属性不一,给细粒度同款对齐带来了困难。为了简化问题,我们将商品同款识别任务定义为二分类任务,即给定商品对信息,判断是否item同款,如下例所示:

在这里插入图片描述

字段说明在这里插入图片描述

2.建立模型

model = build_transformer_model(
    config_path,
    checkpoint_path,
    with_mlm=True,
    keep_tokens=keep_tokens,  # 只保留keep_tokens中的字,精简原字表
)
output = Lambda(lambda x: x[:, 5:6])(model.output)
model = Model(model.input, output)
model.summary()
def masked_cross_entropy(y_true, y_pred):
    """交叉熵作为loss,并mask掉padding部分的预测
    """
    y_true = K.reshape(y_true, [K.shape(y_true)[0], -1])
    y_mask = K.cast(K.not_equal(y_true, 0), K.floatx())
    cross_entropy = K.sparse_categorical_crossentropy(y_true, y_pred)
    cross_entropy = K.sum(cross_entropy * y_mask) / K.sum(y_mask)
    return cross_entropy
    
model.compile(loss=masked_cross_entropy, optimizer=Adam(2e-5))

3.数据加载

class data_generator(DataGenerator):
    def __iter__(self, random=False):
        """单条样本格式为
            输入:[CLS]两个商品[MASK]同,text1,text2[SEP]
            输出:'相'或者'不'
        """
        idxs = list(range(len(self.data)))
        if random:
            np.random.shuffle(idxs)
        batch_token_ids, batch_segment_ids, batch_a_token_ids = [], [], []

        for i in idxs:

            data = self.data[i]
            text = "两个商品相同"
            text1 = data[1]
            text2 = data[2]
            label = data[0]

            final_text = text + ':' + text1 + ',' + text2
            token_ids, segment_ids = tokenizer.encode(
                final_text, maxlen=maxlen)

            # mask掉'相'字
            token_ids[5] = tokenizer._token_mask_id

            if label == 0:
                a_token_ids, _ = tokenizer.encode('不')
            else:
                a_token_ids, _ = tokenizer.encode('相')

            batch_token_ids.append(token_ids)
            batch_segment_ids.append(segment_ids)
            batch_a_token_ids.append(a_token_ids[1:])

            if len(batch_token_ids) == self.batch_size or i == idxs[-1]:
                batch_token_ids = sequence_padding(batch_token_ids)
                batch_segment_ids = sequence_padding(batch_segment_ids)
                batch_a_token_ids = sequence_padding(batch_a_token_ids, 1)
                yield [batch_token_ids, batch_segment_ids], batch_a_token_ids
                batch_token_ids, batch_segment_ids, batch_a_token_ids = [], [], []

4.训练

def predict(data):
    """
        数据格式
        text1 = data[0]
        text2 = data[1]
        label = data[2]
        方便预测和训练时候评价
    """

    text = "两句话意思相同"
    text1 = data[1]
    text2 = data[2]
    label = data[0]

    final_text = text + ':' + text1 + ',' + text2
    token_ids, segment_ids = tokenizer.encode(final_text, maxlen=maxlen)

    # mask掉'相'字
    token_ids[6] = tokenizer._token_mask_id
    token_ids, segment_ids = to_array([token_ids], [segment_ids])

    # 用mlm模型预测被mask掉的部分
    probas = model.predict([token_ids, segment_ids])[0]
    res = tokenizer.decode(probas.argmax(axis=1))

    if res == '不' and label == 0:
        return '正确'
    elif res == '相' and label == 1:
        return '正确'
    elif res != '不' and res != '相':
        return '超出范围'
    else:
        return '错误'


def evaluat_vail_data(valid_data):

    right, out, all = 1, 1, 1

    for valid in valid_data:
        res = predict(valid)

        if res == '正确':
            right += 1
        elif res == '超出范围':
            out += 1

        all += 1

    return right / all, out


class Evaluator(keras.callbacks.Callback):
    """评估与保存
    """

    def __init__(self):
        self.lowest = 1e10
        self.best = 0

    def on_epoch_end(self, epoch, logs=None):
        # 保存最优
        # if logs['loss'] <= self.lowest:
        #     self.lowest = logs['loss']
        #     model.save_weights('./best_model.weights')
        acc, out = evaluat_vail_data(valid_data)
        print(acc, out)
        if acc >= self.best:
            self.best = acc
            model.save_weights('./best_model.weights')
model.fit(
        train_generator.forfit(),
        steps_per_epoch=len(train_generator),
        epochs=epochs,
        callbacks=[evaluator])
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

基于Bert的提示学习(prompt)文本分类 的相关文章

  • Idea项目如何打包

    项目代码打包 一 idea软件为例 二 打包前的准备 1 application yml修改 代码 第三行dev改为pro spring profiles active SPRING PROFILES ACTIVE dev activiti
  • thinkphp5.0 常量

    预定义常量 EXT 类库文件后缀 php THINK VERSION 框架版本号 路径常量 DS 当前系统的目录分隔符 THINK PATH 框架系统目录 D phpStudy WWW my tadmin thinkphp ROOT PAT
  • Hash映射理解

    先说数组 数组优点之一 能通过索引很快定位到值 hashmap 就是利用了数组这个优点 对比 线性映射 定义一个数组 数组的元素是结构体 结构体包括 一对键 值 伪代码表示 a 0 struct Bill 5 a 1 struct KK 6

随机推荐

  • 【Unity3d】Animator和Animation组件使用注意事项

    一 Animator一般用于人物动画控制 特点是动画是持续的 可能有动作切换 Animation一般用于间断性的动画的控制 比如一个场景特效的播放 只播放一次就完了 二 实测Animation速度比Animator快10 左右 内存占用没测
  • vue+高德地图 点击地图获取经纬度和详细地址

    html源码
  • docker什么命令启动服务?

    docker启动服务的命令是 1 启动 1 systemctl start docker 2 守护进程重启 1 sudo systemctl daemon reload 3 重启docker服务 1 systemctl restart do
  • HDLC原理及配置

    一 HDLC原理 HDLC是由国际标准化组织 ISO 制定的面向比特的同步数据链路层协议 主要用于封装同步串行链路上的数据 HDLC是在数据链路层中被广泛使用的协议之一 二 HDLC配置 AR1
  • 使用Qemu+gdb来调试内核

    原文地址 http blog csdn net iamljj article details 5655169 昨天听别人讲使用Qemu和gdb来实现源码级内核调试 今天试了一下 果然非常方便 现简单的记录一下 Qemu是一个开源的虚拟机软件
  • Unity --- Vector3类的API讲解

    1 Vector3中的静态变量是相对于世界坐标系的还是相对于自身坐标系呢 我们创建的Vector3类对象同理 答 这取决我们将创建的Vector3类对象 通过Vector3调用的静态变量传给了哪一个引用 如果是传给了positon的话 则该
  • 工程管理系统简介 工程管理系统源码 java工程管理系统 工程管理系统功能设计

    鸿鹄工程项目管理系统 Spring Cloud Spring Boot Mybatis Vue ElementUI 前后端分离构建工程项目管理系统 1 项目背景 一 随着公司的快速发展 企业人员和经营规模不断壮大 为了提高工程管理效率 减轻
  • 14_Deep Computer Vision Using Convolutional Neural Networks_max pool_GridSpec_tf.nn, layers, contrib

    cp15 Classifying Images with Deep Convolutional NN Loss Cross Entropy ax text mnist CelebA Colab ckhttps blog csdn net L
  • socket连接超时问题

    一部分 把CSDN与中文yahoo翻了底朝天 也没找到如何设置socket的连接超时的满意方法 问此问题的兄弟已有一大堆 这里偶就讲一下win下如何设置socket的connect超时 设置connect的超时很简单 CSDN上也有人提到过
  • hive jdbc/metastore客户端方式连接开启kerberos的hive集群api

    pom依赖
  • Linux内核源代码情景分析-系统调用brk()

    首先看下进程地址空间示意图 我们简单的说 从低地址到高地址 代码区和数据区 空洞 堆栈区 在Linux内核源代码情景分析 内存管理之用户堆栈的扩展 我们申请了从堆栈区往下 数据区上面的页面 在Linux内核源代码情景分析 内存管理之用户页面
  • c语言getchar的作用,c=getchar()!='\n'到底什么用呢

    c getchar n 到底什么用呢 include
  • shell if多个条件判断_shell条件判断

    shell 开头 以sh后缀 开头 注释 表明采用何种解释器 bin bash lt 文件权限 ll total 4 rw r r 1 root root 88 Apr 24 22 15 demo sh 其中可以看到 demo sh没有可执
  • 微信小程序支付完整流程

    1 注册微信支付商户号 由上级或法人注册 注册链接 https pay weixin qq com index php apply applyment home guide normal none 此商户号 需要由主管及更上级领导进行注册
  • matlab计算基础

    目录 1 创建矩阵和向量 2 矩阵的基本运算 2 1 数乘 2 2 转秩 2 3 求逆 2 4 点积 2 5 拼接 3 复数 4 矩阵元素的引用 5 工作区中数据的保存和使用 1 创建矩阵和向量 向量包括行向量和列向量 向量就是个特殊的矩阵
  • 动态链接库-DLL探秘

    在Windows世界中 有无数块活动的大陆 它们都有一个共同的名字 动态链接库 在Windows世界中 有无数块活动的大陆 它们都有一个共同的名字 动态链接库 现在就让我们走进这些神奇的活动大陆 找出它们隐藏已久的秘密吧 初窥门径 Wind
  • Ceph入门到精通-Macvlan网络模式

    Docker中的Macvlan网络模式提供了一种将容器直接连接到宿主机网络的方式 使得容器可以拥有自己的MAC地址和与宿主机网络的直接连接 以下是使用Macvlan网络模式的一般步骤 创建Macvlan网络 docker network c
  • 通过uniapp打包生成的ipa安装包如何上架appstore

    通过uniapp打包生成的ipa安装包如何上架appstore 今天刚接手一个发布在android和ios平台的uniapp项目 因为我之前没有上线appstore平台的经验就专门了解了一下之前的上架流程 对于如何获取ios开发证书 发布证
  • 真正解决ScrollView嵌套RecyclerView的显示不全及滑动问题

    很多人都会遇到ScrollView嵌套RecyclerView嵌套的问题 各种嵌套模式 这种嵌套会出现以下几种问题 1 ScrollView和RecyclerView两者都会滑动 而且有时候 滑动会冲突 2 RecyclerView显示不全
  • 基于Bert的提示学习(prompt)文本分类

    1 介绍 1 1任务描述 1 2任务说明 2 建立模型 3 数据加载 4 训练 1 介绍 1 1任务描述 商品同款挖掘 同款商品是指商品的重要属性完全相同且客观可比的商品 商品同款识别的主要目的是从海量结构化和无结构化的商品图文数据库中匹配