先运行S1，将目标txt文件移入txt集合中； 再运行S3，实现txt到sentence-label pair的处理； 再运行main
基于Bert
file
project
│ file-tree.txt
│ main.py
│ readme.md
│ S1_preprocess.py
│ S2_EBITDA_locate.py
│ S3_sentence_division.py
│ S4_dataset.py
│ S5_model.py
│ S6_train.py
│ S7_evaluate.py
│ S8_predict.py
│ utils.py
│
├─config
│ bert_config.json
│ sentence_embedding_config.json
│
├─data
│ │ batch_one.xlsx
│ │ batch_two.xlsx
│ │ batch_two_for_test.xlsx
│ │ data_for_test.zip
│ │ label_map.json
│ │ matchtxt.xlsx
│ │ merge_data.xlsx
│ │ test.xlsx
│ │
│ ├─adjust_txt
│ │ 1031316_117152011000151_2.txt
│ │ 1031316_117152012000827_2.txt
│ │ 1031316_117152013000569_4.txt
│ │ ...
│ │
│ ├─sent_label
│ │ 1001606_110465910013133_2.txt
│ │ 1001606_119312511215924_2.txt
│ │ 1011174_119312512003719_2.txt
│ │ ...
│ │
│ ├─sent_multi_label
│ │ 1001606_110465910013133_2.txt
│ │ 1001606_119312511215924_2.txt
│ │ 1011174_119312512003719_2.txt
│ │ ...
│ │
│ ├─test_adjust_txt
│ │ 1035688_95012311055986_2.txt
│ │ 105319_119312513210678_2.txt
│ │ 1062613_110465911002707_4.txt
│ │ ...
│ │
│ ├─test_txt_set
│ │ 1035688_95012311055986_2.txt
│ │ 105319_119312513210678_2.txt
│ │ 1062613_110465911002707_4.txt
│ │ ...
│ │
│ ├─txt_set
│ │ 1001606_110465910013133_2.txt
│ │ 1001606_119312511215924_2.txt
│ │ 1011174_119312512003719_2.txt
│ │ ...
│
├─log
├─model
│ └─bert-base-uncased
│ │ config.json
│ │ pytorch_model.bin
│ │ tokenizer.json
│ │ tokenizer_config.json
│ │ vocab.txt
│ │
│ ├─BERT-data1-multi_class
│ │ bert-best_model.bin
│
│
├─tools
│ │ all_utils.py
│ │ pytorchtools.py
│ │
│ └─__pycache__
│ all_utils.cpython-37.pyc
│ pytorchtools.cpython-37.pyc