使用bert模型用于文字处理

一.项目的内容

使用模块化的方式，利用bert模型处理酒店的文字评价。

如label为“1”表示该评价为好评，如果label为“0”表示该评价为差评。

利用bert模型对数据进行训练，用验证集来判断模型训练的效果。

二.模块化各个模块

1.数据处理

##data2负责产生两个dataloader
from torch.utils.data import DataLoader,Dataset
from sklearn.model_selection import train_test_split
import torch

#给X，Y和分割比例，分割出来一个训练集和验证集的X,Y

def read_file(path):
    data=[]
    label=[]
    with open(path,"r",encoding="utf-8") as f:
        for i,line in enumerate(f):
            if i<5200:
                continue
            if i>5400:
                break
            line=line.strip("\n")  #去掉回车
            line=line.split(",",1)  #把这句话按照，分割，1表示分割的次数
            data.append(line[1])
            label.append(line[0])
    print("读了%d的数据"%len(data))
    return data,label

file="../jiudian.txt"

class jdDataset(Dataset):
    def __init__(self,data,label):
        self.X=data
        self.Y=torch.LongTensor([int(i) for i in label])

    def __getitem__(self, item):
        return self.X[item],self.Y[item]

    def __len__(self):
        return len(self.Y)

def get_data_loader(path,batchsize,val_size=0.2):    #读入数据，分割数据
    data,label=read_file(path)
    train_x,val_x,train_y,val_y=train_test_split(data,label,test_size=val_size,shuffle=True,stratify=label)
    train_set=jdDataset(train_x,train_y)
    val_set=jdDataset(val_x,val_y)
    train_loader=DataLoader(train_set,batchsize,shuffle=True)
    val_loader=DataLoader(val_set,batchsize,shuffle=True)
    return train_loader,val_loader

#表示仅在主模块调用时才运行
if __name__=="__main__":
       get_data_loader(file,2)