BERT Review

🚀 ReviewBERT

ReviewBERT是基於評論語料對BERT進行（後）訓練得到的模型，能夠理解情感、選項以及各種電商相關方面的信息。它是一個跨領域（不侷限於筆記本電腦和餐廳領域）的語言模型，有一個來自隨機混合領域的示例。該模型在5核亞馬遜評論和所有Yelp數據的組合上進行後訓練（微調），預計總數據量達22G，在bert-base-uncased上訓練了4個輪次。其預處理代碼可參考此處。

🚀 快速開始

加載後訓練的權重非常簡單，示例代碼如下：

import torch
from transformers import AutoModel, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("activebus/BERT_Review")
model = AutoModel.from_pretrained("activebus/BERT_Review")

✨ 主要特性

• 跨領域能力：超越了傳統的筆記本電腦和餐廳領域，適用於隨機混合領域。
• 數據豐富：基於5核亞馬遜評論和所有Yelp數據進行後訓練，數據量預計達22G。

📚 詳細文檔

模型描述

原始模型基於BERT-base-uncased，該模型由Wikipedia和BookCorpus訓練得到。而ReviewBERT則是在亞馬遜數據集和Yelp數據集上進行後訓練。

評估結果

可查看我們的NAACL論文。BERT_Review在特定領域任務（如方面提取）上的表現預計與BERT-DK相近，但在一般任務（如方面情感分類，不同領域大多共享相似的情感詞）上表現更佳。

📄 許可證

文檔中未提及許可證相關信息。

📖 引用

如果您覺得這項工作有用，請按以下格式引用：

@inproceedings{xu_bert2019,
    title = "BERT Post-Training for Review Reading Comprehension and Aspect-based Sentiment Analysis",
    author = "Xu, Hu and Liu, Bing and Shu, Lei and Yu, Philip S.",
    booktitle = "Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics",
    month = "jun",
    year = "2019",
}