LaserTagger-Chinese

• 用中文学习、训练、验证谷歌的LaserTagger模型
• 参考于这个博主的中文案例 进行些小改&训练

---

主要工作

• 对原来的代码（结构）进行了些整理（原来的是真乱）
• 添加了些注释（我真看了它源码）
• 更舒服的shell运行案例（开箱即学）
• 进行了自己的数据的训练，效果确实不错【可摘要、可文本复述、训练快、推断快】
• 给出案例数据，方便学习
• bert模型（RoBERTa-tiny-clue）直接上传了，也不大，直接下载

运行方式

• 记得准备corpus/rephrase_corpus 那种数据（test.txt、train.txt、tune.txt）
• 记得安装包：pip install requirements.txt
• 其中的export python=/home/xxx/anaconda3/envs/tf15_py37/bin/python3记得改成你自己的python环境路径
• 其中的export Root_Dir=xx记得改成你自己的代码根目录

# shell里面给出了参数注释
# 处理数据
sh 1.data_process.sh
# 训练
sh 2.train.sh
# 导出pb模型
sh 3.export.sh
# 预测
sh 4.predict.sh
# 计算预测后的分数
sh 5.eval_score.sh

PS

• 用的这个轻量bert：RoBERTa-tiny-clue，很小很快，效果也不差

bert数据（RoBERTa-tiny-clue）直接放进来了，在bert_base/RoBERTa-tiny-clue 所以你不用去别的地方下载了

• 如果想换成base bert，参数改成

和谷歌的LaserTagger模型中configs/lasertagger_config.json 中那样的，因为RoBERTa-tiny-clue参数要小很多

• 案例数据，在corpus/rephrase_corpus下