JointBERT

扩展JointBERT支持中文训练, 提供从数据合成到意图和槽位联合训练, 测试完整流程.

环境

python>=3.8
torch==2.0.1
transformers==3.0.2
seqeval==1.2.2
pytorch-crf==0.7.2

数据集

	Train	Dev	Test	Intent Labels	Slot Labels
ATIS	4,478	500	893	21	120
Snips	13,084	700	700	7	72
generalQA	46050	5754	5754	7	15

The number of labels are based on the train dataset.
Add UNK for labels (For intent and slot labels which are only shown in dev and test dataset)
Add PAD for slot label

Prediction

这里提供训练好的模型52AI/generalQA_intent_slotFilling 供测试. 国内下载容易中断,多运行两次.

$ python3 predict.py --task generalQA \
                     --input_file data/testcase/generalQAtest.txt \
                     --output_file local/generalQAtest_predict.txt \
                     --model_dir out/generalQA

-> 请问 [你:B-TransEnZhSentence] [几:I-TransEnZhSentence] [岁:I-TransEnZhSentence] [了:I-TransEnZhSentence] 用英语怎么说？

-> 翻译： [i:B-TransEnZhSentence] [love:I-TransEnZhSentence] [you:I-TransEnZhSentence]

-> 用 [美:B-CreateSenEntity] [好:I-CreateSenEntity] 写一个句子

-> [明:B-AntonymEntity] [天:I-AntonymEntity] 的反义词

-> [后:B-SynonymEntity] [天:I-SynonymEntity] 的同义词

测试结果: local/generalQAtest_predict.txt

合成数据

利用预先收集的源数据(中英文句子, 词语, 成语, 常用中文字符),通过预定义模板合成训练数据.

python3 dataGenerate/dataSynthesis.py

数据目录data/generalQA包含训练集,验证集,测试集, 每个集中包含文本, 意图标签, 槽位标签.

label: 对应意图标签, seq.out对应Slot标签, seq.in对应输入文本.

data/generalQA/intent_label.txt : 为意图类别

data/generalQA/slot_label.txt: 为slot位类别

Training & Evaluation

# 中文QA,
$ CUDA_VISIBLE_DEVICES=0 python3 main.py --task generalQA --model_type bertzh \
                  --model_dir out/generalQA \
                  --do_train --do_eval
PS: 使用缓存好的数据添加参数 --use_cache
CUDA_VISIBLE_DEVICES=0 python3 main.py --task generalQA --model_type bertzh \
                  --model_dir out/generalQA_crf \
                  --do_train --do_eval  --use_cache --use_crf

其他数据的训练参考

Results

Run 5 ~ 10 epochs (Record the best result)
Only test with uncased model
ALBERT xxlarge sometimes can't converge well for slot prediction.

		Intent acc (%)	Slot F1 (%)	Sentence acc (%)	batchsize	loss	训练日志
Snips	BERT	99.14	96.90	93.00
	BERT + CRF	98.57	97.24	93.57
	DistilBERT	98.00	96.10	91.00
	DistilBERT + CRF	98.57	96.46	91.85
	ALBERT	98.43	97.16	93.29
	ALBERT + CRF	99.00	96.55	92.57
ATIS	BERT	97.87	95.59	88.24
	BERT + CRF	97.98	95.93	88.58
	DistilBERT	97.76	95.50	87.68
	DistilBERT + CRF	97.65	95.89	88.24
	ALBERT	97.64	95.78	88.13
	ALBERT + CRF	97.42	96.32	88.69
generalQA	bert-base-chinese	96.81	96.29		64	0.05	log
	bert-base-chinese + CRF	96.43	96.37		64	0.253

Updates

2023.09. 04
- 源数据合成语料dataGenerate/corpus(数据来自互联网)
- 支持合成中文意图识别和槽位填充的微调训练数据generalQA
- 支持基于中文BERT进行训练
- 开源训练模型到HuggingFace
之前的更新记录

chenyangMl/JointBERT-zh