如何训练和预测模型

一、任务1:使用SRL-asGP模型

训练：使用SRL-as-GP/train.sh，需要跑四个模型，-d是gpu的id

1）使用conll09里面随机抽取的10000个句子进行数据增强,seed=1 python -m supar.cmds.vi_srl train -b
--train data/train_dataenhancezsl.10000.conllu
--dev data/dev.conllu
--test data/dev.conllu
--batch-size 400
--unk ""
--epochs 60
--encoder bert
--bert bert-base-chinese
--seed 1
--schema BES
--train_given_prd
-p exp/dataenhance.zsl.10000.seed1/model
-d 1 2)使用conll09里面随机抽取的20000个句子进行数据增强,seed=1 python -m supar.cmds.vi_srl train -b
--train data/train_dataenhancezsl.20000.conllu
--dev data/dev.conllu
--test data/dev.conllu
--batch-size 400
--unk ""
--epochs 60
--encoder bert
--bert bert-base-chinese
--seed 1
--schema BES
--train_given_prd
-p exp/dataenhance.zsl.20000.seed1/model
-d 2 3)使用原始的训练集进行数据增强，seed=1 python -m supar.cmds.vi_srl train -b
--train data/train.conllu
--dev data/dev.conllu
--test data/dev.conllu
--batch-size 400
--unk ""
--epochs 60
--encoder bert
--bert bert-base-chinese
--seed 1
--schema BES
--train_given_prd
-p exp/dataenhance.zsl.seed1/model
-d 3 4）使用原始的训练集进行数据增强，seed=33 python -m supar.cmds.vi_srl train -b
--train data/train.conllu
--dev data/dev.conllu
--test data/dev.conllu
--batch-size 400
--unk ""
--epochs 60
--encoder bert
--bert bert-base-chinese
--seed 33
--schema BES
--train_given_prd
-p exp/dataenhance.zsl.seed33/model
-d 4

预测：使用SRL-as-GP/predict.sh,用四个训练的模型分别预测

1)使用conll09里面随机抽取的10000个句子进行数据增强的结果 python -m supar.cmds.vi_srl predict
--data data/testB_p.conllu
--batch-size 100
-p exp/dataenhance.zsl.10000.seed1/model
--pred pred/testB.dataenhance.10000.seed1.pred
--task 05
--schema BES
--given_prd
--vtb
-d 1 2)使用conll09里面随机抽取的20000个句子进行数据增强的结果 python -m supar.cmds.vi_srl predict
--data data/testB_p.conllu
--batch-size 100
-p exp/dataenhance.zsl.20000.seed1/model
--pred pred/testB.dataenhance.20000.seed1.pred
--task 05
--schema BES
--given_prd
--vtb
-d 2 3)使用原始的训练集进行数据增强的结果（seed=1） python -m supar.cmds.vi_srl predict
--data data/testB_p.conllu
--batch-size 100
-p exp/dataenhance.zsl.seed1/model
--pred pred/testB.seed1.pred
--task 05
--schema BES
--given_prd
--vtb
-d 3 4）使用原始的训练集进行数据增强，seed=33 python -m supar.cmds.vi_srl predict
--data data/testB_p.conllu
--batch-size 100
-p exp/dataenhance.zsl.seed33/model
--pred pred/testB.seed33.pred
--task 05
--schema BES
--given_prd
--vtb
-d 4

后处理 使用deal_data/conll2json_post_task1.py

1）使用deal_data/conll2json_post_task1.py得到组织方要求的结果 2）使用deal_data/task1_vote.py用获得的预测结果进行投票得到最终结果

二、任务2:使用crfsrl模型

训练：使用crfsrl/train.sh，需要跑四个模型,-d是gpu的id

1）使用conll09里面随机抽取的20000个句子进行数据增强,seed=1

  python -u crf2o.py train -b \
       -c configs/conll12.crf2o.srl.bert.ini \
       --train data/train_dataenhancezy.20000.conllu \
       --dev data/dev.conllu \
       --test data/dev.conllu \
       --seed 1 \
       -d 1 \
       -p exp/dataenhance.zy.20000.seed1/model \
       --batch-size=1000 \
       --encoder bert \
       --bert bert-base-chinese \
       --cache \
       --binarize \
       --prd \
       --epochs=25 \
       --finetune 

2)使用conll09里面随机抽取的20000个句子进行数据增强,seed=777

  python -u crf2o.py train -b \
       -c configs/conll12.crf2o.srl.bert.ini \
       --train data/train_dataenhancezy.20000.conllu \
       --dev data/dev.conllu \
       --test data/dev.conllu \
       --seed 777 \
       -d 1 \
       -p exp/dataenhance.zy.20000.seed777/model \
       --batch-size=1000 \
       --encoder bert \
       --bert bert-base-chinese \
       --cache \
       --binarize \
       --prd \
       --epochs=25 \
       --finetune 

3)使用原始的训练集进行数据增强，seed=1

  python -u crf2o.py train -b \
       -c configs/conll12.crf2o.srl.bert.ini \
       --train data/train.conllu \
       --dev data/dev.conllu \
       --test data/dev.conllu \
       --seed 1 \
       -d 1 \
       -p exp/dataenhance.zy.seed1/model \
       --batch-size=1000 \
       --encoder bert \
       --bert bert-base-chinese \
       --cache \
       --binarize \
       --prd \
       --epochs=25 \
       --finetune 

4）使用原始的训练集进行数据增强，seed=33

  python -u crf2o.py train -b \
       -c configs/conll12.crf2o.srl.bert.ini \
       --train data/train.conllu \
       --dev data/dev.conllu \
       --test data/dev.conllu \
       --seed 33 \
       -d 1 \
       -p exp/dataenhance.zy.seed33/model \
       --batch-size=1000 \
       --encoder bert \
       --bert bert-base-chinese \
       --cache \
       --binarize \
       --prd \
       --epochs=25 \
       --finetune 

预测：使用crfsrl/predict.sh,用四个训练的模型分别预测

1）使用conll09里面随机抽取的20000个句子进行数据增强的结果，seed=1

python -u crf2o.py  predict \
       -c configs/conll12.crf2o.srl.bert.ini   \
       --buckets 1 \
       -d 3 \
       -p exp/dataenhance.zy.20000.seed1/model  \
       --data  data/testB_p.conllu \
       --pred pred/testB.dataenhance20000.seed1.conllu\
       --bert=bert-base-chinese \
       --prd

2）使用conll09里面随机抽取的20000个句子进行数据增强的结果，seed=777

python -u crf2o.py  predict \
       -c configs/conll12.crf2o.srl.bert.ini   \
       --buckets 1 \
       -d 3 \
       -p exp/dataenhance.zy.20000.seed777/model  \
       --data  data/testB_p.conllu \
       --pred pred/testB.dataenhance20000.seed777.conllu\
       --bert=bert-base-chinese \
       --prd

3）使用原始的训练集进行数据增强的结果，seed=1

python -u crf2o.py  predict \
       -c configs/conll12.crf2o.srl.bert.ini   \
       --buckets 1 \
       -d 3 \
       -p exp/dataenhance.zy.seed1/model  \
       --data  data/testB_p.conllu \
       --pred pred/testB.seed1.conllu \
       --bert=bert-base-chinese \
       --prd

4）使用原始的训练集进行数据增强的结果，seed=33

python -u crf2o.py  predict \
       -c configs/conll12.crf2o.srl.bert.ini   \
       --buckets 1 \
       -d 3 \
       -p exp/dataenhance.zy.seed33/model  \
       --data  data/testB_p.conllu \
       --pred pred/testB.seed33.conllu \
       --bert=bert-base-chinese \
       --prd

后处理 使用deal_data/conll2json_post_task2.py

1）使用deal_data/conll2json_post_task2.py得到组织方要求的结果 2）使用deal_data/task2_vote.py用获得的预测结果进行投票得到最终结果

三、任务3:使用crfsrl模型

训练：使用crfsrl/train.sh，需要跑三个模型，但有一个模型（exp/dataenhance.zy.20000.seed777/model）在任务2已经跑完了，预测结果可以直接用，所以只需要再跑两个模型

1）使用conll09里面随机抽取的10000个句子进行数据增强,seed=777

  python -u crf2o.py train -b \
       -c configs/conll12.crf2o.srl.bert.ini \
       --train data/train_dataenhancezy.10000.conllu \
       --dev data/dev.conllu \
       --test data/dev.conllu \
       --seed 777 \
       -d 1 \
       -p exp/dataenhance.zy.10000.seed777/model \
       --batch-size=1000 \
       --encoder bert \
       --bert bert-base-chinese \
       --cache \
       --binarize \
       --prd \
       --epochs=25 \
       --finetune 

2)使用原始的训练集进行数据增强，seed=777

  python -u crf2o.py train -b \
       -c configs/conll12.crf2o.srl.bert.ini \
       --train data/train.conllu \
       --dev data/dev.conllu \
       --test data/dev.conllu \
       --seed 777 \
       -d 1 \
       -p exp/dataenhance.zy.seed777/model \
       --batch-size=1000 \
       --encoder bert \
       --bert bert-base-chinese \
       --cache \
       --binarize \
       --prd \
       --epochs=25 \
       --finetune 

预测：使用crfsrl/predict.sh,用四个训练的模型分别预测

1）使用conll09里面随机抽取的10000个句子进行数据增强的结果，seed=777

python -u crf2o.py  predict \
       -c configs/conll12.crf2o.srl.bert.ini   \
       --buckets 1 \
       -d 3 \
       -p exp/dataenhance.zy.10000.seed777/model  \
       --data  data/testB_p.conllu \
       --pred pred/testB.dataenhance10000.seed777.conllu\
       --bert=bert-base-chinese \
       --prd

2）使用原始的训练集进行数据增强的结果，seed=777

python -u crf2o.py  predict \
       -c configs/conll12.crf2o.srl.bert.ini   \
       --buckets 1 \
       -d 3 \
       -p exp/dataenhance.zy.seed777/model  \
       --data  data/testB_p.conllu \
       --pred pred/testB.seed777.conllu \
       --bert=bert-base-chinese \
       --prd

后处理 使用deal_data/conll2json_post_task3.py

1）使用deal_data/conll2json_post_task3.py得到组织方要求的结果 2）使用deal_data/task3_vote.py用获得的预测结果进行投票得到最终结果

---------------------------分割线 之前的README.md---------------------------

data：组织方提供的数据集

deal_data: 数据处理（预处理和后处理）

SRL-as-GP：用于跑task1。具体来说就是，在MTL的框架下进行框架识别、论元范围识别及论元角色识别，但我们只使用了框架识别的结果，将基于span的CFN转化为基于词的图解析，图表示采用BES。

crfsrl:用于跑task2和task3。将CFN任务转化为树解析任务。

文件夹下都有其对应的README.md文件

具体实验介绍

1）Task1:在数据增强方法的基础上使用了投票机制，随机抽取20000个conll09的数据用原始数据训练的模型（seed=1）进行预测，然后将结果混入原始训练集再训练一个模型（seed=1），随机抽取10000个conll09的数据用原始数据训练的模型（seed=1）进行预测，然后将结果混入原始训练集训练一个模型（seed=1），使用原始training data训练了两个模型（seed=1和seed=33），然后进行投票。（多个模型的参数总共约473M）

2）Task2:在数据增强方法的基础上使用了投票机制，随机抽取20000个conll09的数据用原始数据训练的模型（seed=1）进行预测，然后将结果混入原始训练集后训练了两个模型（seed=1和seed=777）和原始训练数据训练了两个模型（seed=1, seed=33)，然后进行M投票。（多个模型的参数总共约448M）

3）Task3:在数据增强方法的基础上使用了投票机制，随机抽取20000个conll09的数据用原始数据训练的模型（seed=1）进行预测，然后将结果混入原始训练集再训练一个模型（seed=777），随机抽取10000个conll09的数据用原始数据训练的模型（seed=1）进行预测，然后将结果混入原始训练集训练一个模型（seed=777），使用原始training data训练了一个模型（seed=777），然后进行投票。（多个模型的参数总共约为337M）