【干货】用BRET进行多标签文本分类（附代码）

过去的一年里，深度神经网络开创了自然语言处理的激动人心的时代。使用预训练模型的领域的研究已经导致许多NLP任务的最新结果的巨大飞跃，例如文本分类，自然语言推理和问答。一些关键的里程碑是ELMo，ULMFiT和OpenAI Transformer。这些方法都允许我们在大型数据库（例如所有维基百科文章）上预先训练无监督语言模型，然后在下游任务上微调这些预先训练的模型。也许这一领域今年最激动人心的事件是BERT的发布，这是一种基于多语言Transformer的模型，它在各种NLP任务中取得了最先进的成果。 BERT是一种基于Transformer架构的双向模型，它以更快的基于注意的方法取代了RNN（LSTM和GRU）的顺序特性。该模型还预训练了两个无监督的任务，掩模语言建模和下一个句子预测。这允许我们使用预先训练的BERT模型，通过对下游特定任务（例如情绪分类，意图检测，问答等）进行微调。

我们将使用Kaggle的垃圾评论分类挑战来衡量BERT在多标签文本分类中的表现。

我们从哪里开始？

Google Research最近公开了BERT的张量流实现，并发布了以下预先训练的模型：
BERT-Base, Uncased: 12层, 768个隐层, 12-heads, 110M 个参数
BERT-Large, Uncased: 24层, 1024个隐层, 16-heads, 340M 个参数
BERT-Base, Cased: 12层, 768个隐层, 12-heads , 110M 个参数
BERT-Large, Cased: 24层, 1024个隐层, 16-heads, 340M 个参数
BERT-Base, Multilingual Cased (New, recommended): 104 种语言, 12层, 768个隐层, 12-heads, 110M 个参数
BERT-Base, Chinese: Chinese Simplified and Traditional, 12层, 768个隐层, 12-heads, 110M 个参数

我们将使用较小的Bert-Base，无框架模型来完成此任务。 Bert-Base模型有12个层，所有文本都将由分词器转换为小写。

我们将使用HuggingFace的优秀PyTorch BERT端口，可在https://github.com/huggingface/pytorch-pretrained-BERT获得。我们已经使用HuggingFace的repo中提供的脚本将预先训练的TensorFlow检查点转换为PyTorch权重。

我们的实现很大程度上受到BERT原始实现中提供的run_classifier示例的启发。

数据准备

我们在类InputExample 准备数据：

text_a: 评论内容
text_b：未用到
labels：训练数据对应为标签，测试数据为空

分词

BERT-Base，无监督模型使用30,522个单词的词汇。分词过程涉及将输入文本拆分为词汇表中可用的标记列表。为了处理词汇表中不可用的单词，BERT使用一种称为基于BPE的WordPiece标记化技术。在这种方法中，词汇表之外的词逐渐被分成子词，然后该词由一组子词表示。由于子词是词汇表的一部分，我们已经学习了表示这些子词的上下文，并且该词的上下文仅仅是子词的上下文的组合。有关此方法的更多详细信息，请参阅使用子字词单位的稀有单词的神经机器翻译模型。 https：//arxiv.org/pdf/1508.07909。

训练

训练循环与run_classifier.py中原始BERT实现中提供的循环相同。我们训练了4个时期的模型，批量大小为32，序列长度为512，即预训练模型的最大可能性。根据原始论文的建议，学习率保持在3e-5。

我们有机会使用多个GPU。所以我们将Pytorch模型包装在DataParallel模块中。这使我们能够在所有可用的GPU上传播我们的训练工作。

由于某种原因我们没有使用半精度FP16技术，具有logits loss函数的二进制crosss熵不支持FP16处理。这并不会影响最终结果，只需要更长的时间训练。

评估指标

我们调整了精度度量函数以包括阈值，默认设置为0.5。

对于多标签分类，更重要的指标是ROC-AUC曲线。这也是Kaggle比赛的评估指标。我们分别计算每个标签的ROC-AUC。我们还在个别标签的roc-auc分数上使用微观平均。

我们进行了一些实验，只有一些变化，但更多的实验得到了类似的结果。

实验结果

训练损失：0.022，验证损失：0.018，验证准确度：99.31％

各个标签的ROC-AUC分数：