任務場景
bert刷新了各大記錄,在這裏就不多介紹了,是一個非常好的預訓練模型,我們只需要根據後續任務進行微調,本文采用bert+微調的方式實現了一版NER。
def biuildModel(self):
input_ids = layers.Input(shape=(self.max_seq_len,))
input_mask = layers.Input(shape=(self.max_seq_len,))
input_type_ids = layers.Input(shape=(self.max_seq_len,))
embeding = b_embeding_layer(max_seq_len=self.max_seq_len)([input_ids,input_mask,input_type_ids])
lstm_encode = layers.Bidirectional(layers.LSTM(units=unit_len, return_sequences=True))(embeding)
dense1 = layers.TimeDistributed(layers.Dense(dense_len, activation="tanh"))(lstm_encode)
dense1 = layers.Dropout(0.05)(dense1)
crf = CRF(self.class_num, sparse_target=False)
crf_res = crf(dense1)
model = Model(inputs=[input_ids, input_mask, input_type_ids], outputs=[crf_res])
adam = Adam(lr=0.001)
model.compile(optimizer=adam, loss=crf.loss_function, metrics=[crf.accuracy])
print(model.summary())
return model
由於是個相對新一點的模型,在這裏放一下模型的結構:
結果:
效果確實比原來提升不少,哈哈。