OpenSentimentAnalysis/ASGCN_ABSA

• ASGCN
• • Aspect-Specific Graph Convolutional Network
  • 调试任务
  • • 推理脚本
    • 训练脚本
  • 训练任务
  • • 推理参数
    • 训练参数

ASGCN

---

Aspect-Specific Graph Convolutional Network

• EMNLP 2019.
• It builds a Graph Convolutional Network (GCN) over the dependency tree of a sentence to exploit syntactical information and word dependencies. Based on it, a novel aspect specific sentiment classification framework is raised.
• For more information, please go to ASGCN
  

调试任务

首先在云脑->调试任务界面中，点击右上角的 新建调试任务 。进入新建任务界面后，计算资源选择 CPU/GPU ，镜像选择 ms_181_cuda_111 ，数据集选择 sentiment_analysis_data.zip ，任务名称及资源规格按需求填写。点击新建任务，等到任务状态由 waiting 变为 running 后，点击 调试进入 jupyter lab 调试环境。在调试环境中启动一个终端，代码所在目录为 /code，数据集所在目录为 /dataset，训练生成的 checkpoint 所在目录为 /checkpoint。

推理脚本

python run.py --algo ASGCN_ABSA --data_dir /dataset/sentiment_analysis_data/ASGCN_ABSA --dataset rest16 --save_ckpt_path /model/sentiment_analysis_ckpt/ASGCN_ABSA/rest16/ms_asgcn_rest16_acc_0.8214_f1_0.5590.ckpt --mode eval

若要使用不同的 checkpoint 进行推理，修改 --save_ckpt_path 参数为目标 checkpoint 路径即可。

训练脚本

python run.py --algo ASGCN_ABSA --data_dir /dataset/sentiment_analysis_data/ASGCN_ABSA --dataset rest16 --save_ckpt_path /model/sentiment_analysis_ckpt/ASGCN_ABSA/rest16/best_eval.ckpt

训练任务

在云脑->训练任务界面中，点击右上角的 新建训练任务 。计算资源选择 CPU/GPU ，镜像选择 ms_181_cuda_111 ，数据集选择 sentiment_analysis_data.zip ，启动文件填写 run.py ，任务名称、任务描述及资源规格按需求填写，运行参数按照统一接口处的说明自行添加。

推理参数

参数名          参数值
algo            ASGCN_ABSA
data_dir        /dataset/sentiment_analysis_data/ASGCN_ABSA
dataset         rest16
save_ckpt_path  /model/sentiment_analysis_ckpt/ASGCN_ABSA/rest16/ms_asgcn_rest16_acc_0.8214_f1_0.5590.ckpt
mode            eval

若要使用不同的 checkpoint 进行推理，修改 --save_ckpt_path 参数为目标 checkpoint 路径即可。

训练参数

参数名          参数值
algo            ASGCN_ABSA
data_dir        /dataset/sentiment_analysis_data/ASGCN_ABSA
dataset         rest16
save_ckpt_path  /model/sentiment_analysis_ckpt/ASGCN_ABSA/rest16/best_eval.ckpt