Java 类名：com.alibaba.alink.pipeline.regression.BertTextRegressor
Python 类名：BertTextRegressor
Bert 文本回归。
| 名称 | 中文名称 | 描述 | 类型 | 是否必须？ | 取值范围 | 默认值 |
|---|---|---|---|---|---|---|
| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | ||
| predictionCol | 预测结果列名 | 预测结果列名 | String | ✓ | ||
| textCol | 文本列 | 文本列 | String | ✓ | ||
| batchSize | 数据批大小 | 数据批大小 | Integer | 32 | ||
| bertModelName | BERT模型名字 | BERT模型名字： Base-Chinese,Base-Multilingual-Cased,Base-Uncased,Base-Cased | String | “Base-Chinese” | ||
| checkpointFilePath | 保存 checkpoint 的路径 | 用于保存中间结果的路径，将作为 TensorFlow 中 Estimator 的 model_dir 传入，需要为所有 worker 都能访问到的目录 |
String | null | ||
| customConfigJson | 自定义参数 | 对应 https://github.com/alibaba/EasyTransfer/blob/master/easytransfer/app_zoo/app_config.py 中的config_json | String | |||
| inferBatchSize | 推理数据批大小 | 推理数据批大小 | Integer | 256 | ||
| intraOpParallelism | Op 间并发度 | Op 间并发度 | Integer | 4 | ||
| learningRate | 学习率 | 学习率 | Double | 0.001 | ||
| maxSeqLength | 句子截断长度 | 句子截断长度 | Integer | 128 | ||
| modelFilePath | 模型的文件路径 | 模型的文件路径 | String | null | ||
| numEpochs | epoch 数 | epoch 数 | Double | 0.01 | ||
| numFineTunedLayers | 微调层数 | 微调层数 | Integer | 1 | ||
| numPSs | PS 角色数 | PS 角色的数量。值未设置时，如果 Worker 角色数也未设置，则为作业总并发度的 1/4（需要取整），否则为总并发度减去 Worker 角色数。 | Integer | null | ||
| numWorkers | Worker 角色数 | Worker 角色的数量。值未设置时，如果 PS 角色数也未设置，则为作业总并发度的 3/4（需要取整），否则为总并发度减去 PS 角色数。 | Integer | null | ||
| overwriteSink | 是否覆写已有数据 | 是否覆写已有数据 | Boolean | false | ||
| predictionDetailCol | 预测详细信息列名 | 预测详细信息列名 | String | |||
| pythonEnv | Python 环境路径 | Python 环境路径，一般情况下不需要填写。如果是压缩文件，需要解压后得到一个目录，且目录名与压缩文件主文件名一致，可以使用 http://, https://, oss://, hdfs:// 等路径；如果是目录，那么只能使用本地路径，即 file://。 | String | "" | ||
| removeCheckpointBeforeTraining | 是否在训练前移除 checkpoint 相关文件 | 是否在训练前移除 checkpoint 相关文件用于重新训练，只会删除必要的文件 | Boolean | null | ||
| reservedCols | 算法保留列名 | 算法保留列 | String[] | null | ||
| modelStreamFilePath | 模型流的文件路径 | 模型流的文件路径 | String | null | ||
| modelStreamScanInterval | 扫描模型路径的时间间隔 | 描模型路径的时间间隔，单位秒 | Integer | 10 | ||
| modelStreamStartTime | 模型流的起始时间 | 模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s) | String | null |
** 以下代码仅用于示意，可能需要修改部分代码或者配置环境后才能正常运行！**
url = "http://alink-test.oss-cn-beijing.aliyuncs.com/jiqi-temp/tf_ut_files/ChnSentiCorp_htl_small.csv"
schemaStr = "label double, review string"
data = CsvSourceBatchOp() \
.setFilePath(url) \
.setSchemaStr(schemaStr) \
.setIgnoreFirstLine(True)
data = data.where("review is not null")
data = ShuffleBatchOp().linkFrom(data)
regressor = BertTextRegressor() \
.setTextCol("review") \
.setLabelCol("label") \
.setNumEpochs(0.01) \
.setNumFineTunedLayers(1) \
.setMaxSeqLength(128) \
.setBertModelName("Base-Chinese") \
.setPredictionCol("pred")
model = regressor.fit(data)
predict = model.transform(data.firstN(300))
predict.print()
import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.dataproc.ShuffleBatchOp;
import com.alibaba.alink.operator.batch.source.CsvSourceBatchOp;
import com.alibaba.alink.pipeline.regression.BertRegressionModel;
import com.alibaba.alink.pipeline.regression.BertTextRegressor;
import org.junit.Test;
public class BertTextRegressorTest {
@Test
public void test() throws Exception {
String url = "http://alink-test.oss-cn-beijing.aliyuncs.com/jiqi-temp/tf_ut_files/ChnSentiCorp_htl_small.csv";
String schemaStr = "label double, review string";
BatchOperator <?> data = new CsvSourceBatchOp()
.setFilePath(url)
.setSchemaStr(schemaStr)
.setIgnoreFirstLine(true);
data = data.where("review is not null");
data = new ShuffleBatchOp().linkFrom(data);
BertTextRegressor regressor = new BertTextRegressor()
.setTextCol("review")
.setLabelCol("label")
.setNumEpochs(0.01)
.setNumFineTunedLayers(1)
.setMaxSeqLength(128)
.setBertModelName("Base-Chinese")
.setPredictionCol("pred");
BertRegressionModel model = regressor.fit(data);
BatchOperator <?> predict = model.transform(data.firstN(300));
predict.print();
}
}
| label | review | pred | |
|---|---|---|---|
| 0 | 0.0 | 出差入住的酒店,订了个三人间.房间没空调,冷得要死,而且被子很潮.火车站旁,步行可到.据说当… | 0.711733 |
| 1 | 1.0 | 我已经住过两次了。比较满意，特别是接机服务，一个人也接，及时周到。宽带速度也比较快。但是没有… | 0.861643 |
| 2 | 1.0 | 酒店的设施稍微老了一点，是四星级酒店的一个附楼。但是服务不错，而且酒店的价格非常吸引人。下次… | 0.933909 |
| 3 | 1.0 | 价格比比较不错的酒店。这次免费升级了，感谢前台服务员。房子还好，地毯是新的，比上次的好些。早… | 0.863195 |
| 4 | 1.0 | 前台小姑娘很有意思，经常入住，都熟了，呵呵 | 0.521080 |
| … | … | … | … |
| 113 | 1.0 | 1。酒店比较新，装潢和设施还不错，只是房间有些油漆味。2。早餐还可以，只是品种不是很多。3。… | 0.710072 |
| 114 | 1.0 | 这次去北京，是要去北师大办事，所以特意留意了下附近的宾馆。住了两天，首先该宾馆很好找，离西四… | 1.596990 |
| 115 | 0.0 | 1。我住的是靠马路的标准间。房间内设施简陋，并且的房间玻璃窗户外还有一层幕墙玻璃，而且不能打… | 1.823668 |
| 116 | 1.0 | 房间很清洁，洗手间装修好。早餐非常丰盛，豆腐脑很好吃！交通很方便。隔音不够好，我们的邻居夜里… | 0.972452 |
| 117 | 1.0 | 价格偏高,好象连云港这地方的酒店都偏贵.早饭不好.房间还不错,窗外风景还行.最重要是房间的窗… | 0.744328 |