MERC_rank3

该仓库主要描述了CCAC2023多模态对话情绪识别评测第3名的实现过程，任务详细描述请参考评测官方github链接：
https://github.com/AIM3-RUC/MERC_Challenge_CCAC2023

1、文件夹结构

MERC_rank3

• M3ED_features:该目录保存提取的M3ED多模态特征和测试集特征
• result:保存最优结果信息
• runs:保存运行信息
• saves:保存最优模型，3折交叉验证最优模型
• model.py：定义模型结构，本队采用DialogueRNN模型架构
• train_M3ED_Kfold.py：训练文件，默认K=3，进行3折交叉验证
• test_M3ED_Kfold.py：测试文件，测试并生成最终提交的csv文件
• uid.txt:保存测试集的uid名

2、环境及版本

• python 3.7.13
• torch 1.13.1
• pandas 1.0.1
• numpy 1.21.6
• scikit-learn 0.23.1

3、特征文件及模型文件链接

百度云链接：https://pan.baidu.com/s/1LTuCOC_sC1kMhTAUwY-xLA 提取码：3412
下载后解压，下面两个特征文件放入M3ED_features文件夹下：

AIS10_norm-Vsent_avg_affectdenseface-Lsent_cls_ernie_xbase_chinese4chmed.pkl
test.pkl

下面三个模型文件放入saves文件夹下:

best_model_Fold1.pth
best_model_Fold2.pth
best_model_Fold3.pth

4、运行代码步骤

训练

CUDA_VISIBLE_DEVICES=3 python train_M3ED_Kfold.py -fpath AIS10_norm-Vsent_avg_affectdenseface-Lsent_cls_ernie_xbase_chinese4chmed.pkl -ftype t+a

测试

 CUDA_VISIBLE_DEVICES=3 python test_M3ED_Kfold.py

测试阶段完成会生成符合提交要求的csv文件