tuple_filter.py中的疑问 #18
Comments
|
font{
line-height: 1.6;
}
ul,ol{
padding-left: 20px;
list-style-position: inside;
}
是这样，因为之前这一步不仅有bert的相似度特征，还有一些字面匹配的，后来没什么用就放弃了，但是数据里还是保留了这些特征的，9就是bert特征的索引，[0][1]是因为我调的那个bert包得到的数据就得这样取索引。
在2019年12月11日 09:14，JaonLiu<notifications@github.com> 写道：
在tuple_filter.py 中的GetData_train函数有如下代码：
for t in candidate_tuples:
features = candidate_tuples[t]
if len(gold_tuple) == len(set(gold_tuple).intersection(set(t))):
X.append([features[9][0][1]])
Y.append([1])
else:
prop = random.random()
if prop<0.5:
X.append([features[9][0][1]])
Y.append([0])
为啥是取[features[9][0][1]] ? 请问下其背后的思考逻辑。谢谢！
—You are receiving this because you are subscribed to this thread.Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
@MrRace 请问楼主你在运行entity_filter.py之后实体的召回率能达到多少？ |
|
@duterscmy 那现在上传的这个版本其实仅利用到了BERT的特征？ |
|
@MrRace 我是直接使用的 |
|
|
那就直接append(x[-1])好了
不能保证吧 就是个大概的负例比例
…---原始邮件---
发件人: "JaonLiu"<notifications@github.com>
发送时间: 2019年12月11日(周三) 下午3:28
收件人: "duterscmy/ccks2019-ckbqa-4th-codes"<ccks2019-ckbqa-4th-codes@noreply.github.com>;
抄送: "Mention"<mention@noreply.github.com>;"Caomingyu"<1054527636@qq.com>;
主题: Re: [duterscmy/ccks2019-ckbqa-4th-codes] tuple_filter.py中的疑问 (#18)
@duterscmy 那现在上传的这个版本其实仅利用到了BERT的特征？
现在上传的这个版本features数据如下：
(1)这种情况，怎么写 X.append()？
(2)在生成负样本时，这种随机数生成的方式为啥能够确保0.05的负样本比例？
谢谢~
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
@duterscmy 那在 |
@ZainZhou 你的呢？ |
|
第二个逻辑回归模型只用bert特征吗，不加上之前的词频、长度、字重合度等特征吗？我理解的Bert返回的特征是一个数即正例的概率吧？ |
|
@MrRace 我跑的tuple_filter的比你这个低很多，因为我前面实体抽取的召回率就偏低，所以才问你entity_filter.py你可以召回多少实体 |
|
|
@MrRace 那其实差不了多少，但不知道为什么后面tuple_filter的差20个点，我再研究研究吧 |
|
对 没有加 只用bert效果就很好
…---原始邮件---
发件人: "zwj"<notifications@github.com>
发送时间: 2019年12月11日(周三) 下午5:28
收件人: "duterscmy/ccks2019-ckbqa-4th-codes"<ccks2019-ckbqa-4th-codes@noreply.github.com>;
抄送: "Mention"<mention@noreply.github.com>;"Caomingyu"<1054527636@qq.com>;
主题: Re: [duterscmy/ccks2019-ckbqa-4th-codes] tuple_filter.py中的疑问 (#18)
第二个逻辑回归模型只用bert特征吗，不加上之前的词频、长度、字重合度等特征吗？我理解的Bert返回的特征是一个数即正例的概率吧？
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
@duterscmy 我运行 这个结果是偏低吗？你的大概多少？ |
|
是偏低啊，我这看单实体0.92，筛到5个人0.902。。可能是代码版本传错了但最近两天没空闲gpu用等我确定了一个对的版本传上来
…---原始邮件---
发件人: "JaonLiu"<notifications@github.com>
发送时间: 2019年12月12日(周四) 上午8:57
收件人: "duterscmy/ccks2019-ckbqa-4th-codes"<ccks2019-ckbqa-4th-codes@noreply.github.com>;
抄送: "Mention"<mention@noreply.github.com>;"Caomingyu"<1054527636@qq.com>;
主题: Re: [duterscmy/ccks2019-ckbqa-4th-codes] tuple_filter.py中的疑问 (#18)
@duterscmy 我运行tuple_filter.py的结果：
单实体问题中，候选答案可召回的的比例为:0.730 候选答案能覆盖标准查询路径的比例为:0.461 单实体问题中，候选答案可召回的的比例为:0.772 候选答案能覆盖标准查询路径的比例为:0.638 在验证集上逻辑回归筛选后top10 召回率为0.72 单实体问题中，候选答案可召回的的比例为:0.731 候选答案能覆盖标准查询路径的比例为:0.560
这个结果是偏低吗？你的大概多少？
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
我理解错了，这是候选答案的数据啊，我今晚把流程重新跑一下告诉你
…---原始邮件---
发件人: "JaonLiu"<notifications@github.com>
发送时间: 2019年12月12日(周四) 上午8:57
收件人: "duterscmy/ccks2019-ckbqa-4th-codes"<ccks2019-ckbqa-4th-codes@noreply.github.com>;
抄送: "Mention"<mention@noreply.github.com>;"Caomingyu"<1054527636@qq.com>;
主题: Re: [duterscmy/ccks2019-ckbqa-4th-codes] tuple_filter.py中的疑问 (#18)
@duterscmy 我运行tuple_filter.py的结果：
单实体问题中，候选答案可召回的的比例为:0.730 候选答案能覆盖标准查询路径的比例为:0.461 单实体问题中，候选答案可召回的的比例为:0.772 候选答案能覆盖标准查询路径的比例为:0.638 在验证集上逻辑回归筛选后top10 召回率为0.72 单实体问题中，候选答案可召回的的比例为:0.731 候选答案能覆盖标准查询路径的比例为:0.560
这个结果是偏低吗？你的大概多少？
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
我运行tuple_filter.py的结果和上面相近，是不是参数或模型哪里有变化？我最近在做相关的工作，希望能够复现你提交的结果 |
朋友，问题解决了吗，我运行的结果也差不多：还望指教 |
为啥跑出来全是0，是哪里出问题了吗？ |
这个features应该怎么写啊？解决了吗？ |
请问这个features的问题解决了吗？写成new_features = features的效果好差。 |
在
tuple_filter.py中的GetData_train函数有如下代码：为啥是取
[features[9][0][1]]? 请问下其背后的思考逻辑。谢谢！The text was updated successfully, but these errors were encountered: