SpanBERT for Chinese Coreference Resolution (Pytorch)

• 参考论文： SpanBERT: Improving Pre-training by Representing and Predicting Spans
• 参考开源代码：https://github.com/mandarjoshi90/coref
  • 上述参考代码使用tensorflow实现，并使用英文数据集
• 预训练模型下载地址：
  • 中文预训练RoBERTa模型 https://github.com/brightmart/roberta_zh
  • 中文预训练BERT-wwm模型 https://github.com/brightmart/roberta_zh
  • 中文预训练Bert模型 https://s3.amazonaws.com/models.huggingface.co/bert/bert-base-chinese.tar.gz

📒 1. 代码架构：

│ conll.py
│ coreference.py
│ demo.py
│ metrics.py
│ utils.py
│ experiments.conf
│ requirements.txt
│
├─bert
│ │ modeling.py
│ │ optimization.py
│ │ tokenization.py
│ 
├─conll-2012
│ └─scorer
│ ├─reference-coreference-scorers
│ └─v8.01
├─data
│ ├─dev 
│ ├─test 
│ └─train
│ 
└─pretrain_model
 │ bert_config.json
 │ pytorch_model.bin 
 │ vocab.txt

其中：

conll.py：验证集验证所需脚本

coreference.py：指代消解模型脚本

demo.py：指代消解工程测试脚本

metrics.py：验证集计算指标脚本

utils.py：数据转换，文件读写脚本

experiments.conf：代码运行所需参数配置文件

requirements.txt：代码运行必要环境文件

bert：用于存放bert模型相关脚本文件

conll-2012：官方提供的验证文件

data：用于存放训练验证预测文件以及最后预测的结果文件

pretrain_model：用于存放预训练模型（包含模型、参数配置文件、字典）

📙 2. 运行环境

• 运行环境要求python版本在3.5及以上，运行环境配置见requirements.txt
• 一块TITAN xp , 参数选择[ffnn_size=2000，nun_epochs=30]，需要7小时左右

📗 ​3. 运行方式

• 在experiments.conf文件中配置好向相应的参数，命令行运行：python demo.py 即可，默认使用第三块GPU(编号为2)。