tribleave / scapt-absa Goto Github PK

作者您好，我使用您提供的预训练好的模型，在微调阶段进行实验，最终复现的数据远不如您在论文中提到的数据
在ISE上，分数最多下降了9个百分点
同时，在lap数据集上，使用您训练好的SCAPT在BERTAsp上的实验结果，会比没有使用SCAPT直接跑BERTAsp上的实验结果低
参数的设置是和您一样的，想请问一下为什么，谢谢！

您好，请问可以提供训练好的预训练模型吗，我想复现下代码，谢谢。

很感谢您的工作，非常清晰。

想请教一个问题，是否有对比以下两种情况的表现呢：

1. 加载bert权重，在domain-spe数据上fine-tuning，去做aspect分类
2. 加载bert权重，在domain-spe数据上fine-tuning并添加对比学习loss，去做aspect分类

您好，感谢您的工作带给我非常多的思考。
因为想复现一下，所以想知道你在pre-training的时候，使用了多少的Amazon和Yelp数据呢？ 文章说manually check a small portion，但是网盘提供的分别是一百万和四百万条数据，请问您在预训练的时候使用部分可以发布一下吗？
另外关于验证集的问题，好像您的代码里面并没有出现验证集？而是直接用的测试集去选取的模型吗？如果是这样的话是否欠妥？

作者您好，请问预训练阶段用的yelp和amazon数据集是原始发布的数据集本身就带有aspect信息，还是您采取什么方法标注的，或是其他人的工作标注的呢？

你好！我注意到您发布了预训练+下游任务上微调的模型权重，请问您能否发布仅预训练的模型权重（BERT）?

非常感谢你们团队所提出的面向ABSA的对比学习预训练方法。我最近也在做预训练相关的工作。我需要在多个下游任务上对多个预训练模型进行比较，这包括你们提出的模型。但在下游任务上微调过的模型，存在数据泄露的风险。因此，如果您可以提供仅预训练的模型权重（在BERT的基础上在yelp和amazon上预训练的模型权重），我的比较将会更加的公平和客观。

希望得到您的帮助！

you add the encoder's [CLS] hidden states to every input word embeddings as transformer decoder's input, which may be not consistent with your claim "hi acts as a beginning- of-sentence input embedding in the decoding process to control the whole generation"
Thanks for you reply in advance!

hi nice work!
I am wondering where can i got the pretrained models you mentioned? i only find the raw data link for pretrain on readme.

thanks!
jackie

Hello,
I get the following CUDA error when I run the pre-training code:

CUDA error: CUBLAS_STATUS_INTERNAL_ERROR when calling `cublasCreate(handle)`

I installed requirements, downloaded the data, and followed the pre-training instruction.
Is there a way I could fix this error?
And is there a way I could run the pre-training code in CPU, not GPU?

您好，TransEncAsp在Restaurant的valid acc一直在0.70波动，没有您论文写的77.10，请问这是什么情况？谢谢

目前跑了BERTAsp+SCAPT 关于Restaurant的结果 效果差了好几个点 但是直接使用官方公布的权重 效果和论文一模一样
不知道是我自己预训练+微调时哪一步有问题
直接跑代码，在预训练和微调时 都会产生很多checkpoints 我都是选用的最后一个 请问这里有问题吗