Một thẻ đã tồn tại với tên chi nhánh được cung cấp. Nhiều lệnh Git chấp nhận cả tên thẻ và tên nhánh, vì vậy việc tạo nhánh này có thể gây ra hành vi không mong muốn. Bạn có chắc chắn muốn tạo nhánh này không?
Đối với dữ liệu AAN, NIPS và NSF, vui lòng liên hệ với tác giả của Sắp xếp thứ tự câu và Mô hình kết hợp bằng cách sử dụng Mạng thần kinh tái phát
Có thể tải xuống bộ dữ liệu SIND từ trang web Kể chuyện bằng hình ảnh
Bắt đầu nhanh
Tham khảo ví dụ. sh để xem các lệnh
- Sử dụng tập lệnh
0 để tạo dữ liệu đào tạo, hợp lệ và thử nghiệm để đào tạo bộ phân loại cho bộ dữ liệu AAN, NIPS, SIND và NSFpython model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
Biểu diễn dựa trên BERT [Bộ phân loại B-TSort]
Tập lệnh
python model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
1 trong python model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
2 nên được sử dụng để huấn luyện và kiểm tra mô hình B-TSort- Huấn luyện các mô hình B-TSort bằng lệnh sau
python model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
- Chạy mô hình B-TSort được đào tạo trên tập kiểm tra. Tập lệnh này tạo một tệp
3 và lưu nó trong đường dẫn data_sir được cung cấp. Điều này sau này rất hữu ích để lấy thứ tự câu cho tài liệu bằng cách sử dụng tập lệnh sắp xếp tô pôpython model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
python model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/checkpoint-X/ --do_test --per_gpu_eval_batch_size 16
Biểu diễn dựa trên LSTM [L-TSort Classifier]
Cơ sở mã cho bộ phân loại này nằm trong thư mục
python model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
4- Tạo một thư mục
5 trong thư mụcpython model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
4 và chạy lệnh tiền xử lý saupython model.py --data_dir ../nips_data/ --output_dir ../trained_models/nips_bert/ --do_train --do_eval --evaluate_during_training --per_gpu_train_batch_size 32 --per_gpu_eval_batch_size 16
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
0- Huấn luyện các mô hình L-TSort bằng lệnh sau
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
1- Kiểm tra các mô hình L-TSort
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
2Sắp xếp tô pô
Chạy tập lệnh sắp xếp tô pô trên đầu ra của mô hình B-TSort và L-TSort để tính toán kết quả cho các chỉ số khác nhau
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
3người mẫu được đào tạo
- Tải xuống các mô hình B-TSort được đào tạo cho mỗi trong số bốn bộ dữ liệu từ các liên kết bên dưới
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
4- Tải xuống các mô hình L-TSort được đào tạo cho bộ dữ liệu NIPS và SIND từ các liên kết bên dưới
python prepare_data.py --data_dir nips/ --out_dir nips_data/ --task_name nips
5đường cơ sở
Đối với mã của mô hình được ký hiệu là AON trong bài báo, vui lòng gửi email cho các tác giả của Mạng đặt hàng câu chú ý sâu sắc
người đóng góp
Nếu bạn sử dụng mã này, vui lòng trích dẫn như sau
Prabhumoye, Shrimai, Ruslan Salakhutdinov, và Alan W. Đen. "Sắp xếp tô pô cho thứ tự câu. " Trong Kỷ yếu Hội nghị Thường niên lần thứ 58 của Hiệp hội Ngôn ngữ học Tính toán