点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要11分钟

跟随小博主，每天进步一丢丢

来自：NLP太难了 公众号

Introduction

本次比赛的任务是对给定文本进行情感极性分析，情感极性包括正中负三类。这次比赛我的成绩是复赛第8名(共2745支参赛队伍，实际有效提交851个提交)。借助分享本次参赛方案总结，希望能和大家共同交流交流。

自从BERT出现后，现在的比赛baseline基本就是BERT之类的模型，其他仅限基于CNN/RNN的模型不堪一击，因此借此次比赛的机会，将我的代码整理出来做成一个支持BERT/XLNet/ALBERT等基于transformer模型的文本分类工具，支持transformer接CNN/LSTM/GRU等，和本次比赛的代码一起开源。Github地址见文尾。

赛题链接：https://www.datafountain.cn/competitions/350

Data

这里只对数据的分析进行一些介绍，数据的基本情况就不介绍了。

数据来源：

数据多来自新闻网、微信、博客、贴吧等，因此数据中多包含非正式文本。所以，该比赛可能更适合使用ERNIE模型来微调，因为ERNIE多使用微博、网页等数据进行预训练得到的，而谷歌的原始中文BERT使用维基百科等正式文本进行预训练得到。

文本长度：

将每行title和content拼接在一起，最长的长度为33772个字，最短的只有4个字。我将文本长度排序后，得到下图。下图中纵坐标为文本长度，横坐标为每行文本index，共有7340行，可以看到大部分文本长度都集中在5000字以下，且接近5000字都很少。

样本平衡情况：

从下图中可看出，很明显样本不平衡，样本为"1"的数量最多，为"0"的最少。

Model

我使用的模型有BERT、BERT-wwm、ERNIE、XLNet、RoBERTa。具体使用的代码是基于郭达雅的开源Baseline上进行修改。在该Baseline中，主要就是将BERT的输出之一pooled_output接入原本为FC层现在为GRU层，对于XLNet也是这样。后来我在Transformers_for_Text_Classification实验中，发现BERT后面还是接LSTM或者GRU效果比较好，优于接FC或者CNN层。

在模型的具体使用中，我采用十折交叉验证对数据进行充分迭代，但很多人一般是将交叉验证的预测结果取平均，实际上，在我的实验过程中，如果是对这十个预测结果采用等权重投票的融合方法的话，会得到更好的单模型效果。

复赛中单模型最好效果如下表格所示：

Ensemble

Averaging

取平均法也能得到一定的提升，但是效果不如投票的方法。

Voting

投票的方法很爽，简单暴力上分很快。同时，也可以采用非等权重投票方法，可对最好的三个模型设置4、3、2这样的权值，或5、2、2、2也能取得不错的效果。

不幸的是，这里的融合并没有效果，反而相对于最佳的模型0.81564105有了下降。这在整个比赛过程中是时有发生的，不仅仅5、2、2、2的权值是这样，设置4、3、2的权值也会发生这种导致融合结果下降的情况。那么看下4、3、2权值的效果：

Stacking

尝试失败，效果不稳定。原因主要应该是stacking在融合的第一阶段需要的模型很多很多才行，而我这里最多能提供10个基模型。

Tricks

1.Pseudo-Label(伪标签)

伪标签对模型的提升非常大，其具体做法简单来说就是，把预测结果中多数模型都一致认为的类别当做其正确的标签，然后将该标签及其对应的内容增加到原始训练集中再进行训练。这个过程可以反复迭代，单模型效果越好，伪标签的准确性越高，后面再训练效果会更好。在实际使用中，我将所有的伪标签数据都加到原始训练集中，也实验了仅加其的10%，但是很多时候前者效果更好。另外，值得一提的是，伪标签对于保证切榜时成绩的稳定性具有重要作用。

对于roberta_wwm_large_ext模型，加入伪标签后的F1值变化是：0.80959302->0.81564105，在这里我加入了6574个伪标签到原始训练集中。

2. Hyper Parameters

在预训练模型微调中，模型的初始学习率可谓是最重要的超参数，比赛时设置一个比较好的初始学习率，就能得到一个不错的结果。那么，在分类任务中，我这里推荐针对不同模型所使用的可能最佳初始学习率：

3.Data Augmentation

TTA

这里TTA指的就是互译。但我并没有实验成功。原因有两个：一是因为代码中用的是Google翻译API，学校Google用不了，后来我又通过某些众所周知的方法准备使用Colab来运行这个代码，但是产生了新问题：API调用次数太多频繁，被Google禁用了。后来我又试图采用国内的一些翻译API，但是问题均是API调用太多频繁，翻译到一半不到就停止翻译了。

另外听说如果采用互译的方法，那么就算是引入了外部数据，是本次比赛规则所不允许的，因此后来在这里就放弃了。实现代码见比赛开源代码中的TTA文件夹。

EDA

EDA的做法是对原始句子进行同义词替换、随机插入、随机交换、随机删除四种操作，增加训练集的多样性，防止过拟合，见：EDA for Chinese(https://github.com/zhanlaoban/EDA_NLP_for_Chinese)。这里并没有实验成功，效果会有下降，在交流群里也是这个情况。在BERT中，比如我们想把同义词、emoji表情、HTML标记等去掉，可能都会造成模型微调效果的下降，原因可能是，首先这些同义词、emoji表情、HTML标记等本身就包含一定的语义信息，去掉的话肯定会影响效果，其次，在模型预训练的时候，就包含了很多这样的数据，这些预训练模型中已经学习到了同义词、emoji表情、HTML标记等的语义信息。

因此，结论是，在使用BERT类的预训练模型微调时，由于这些预训练模型能学习到非常深层次的语义信息，进行数据清洗的过程往往是得不偿失的。

Conclusion & Acknowledgment

虽然这次比赛最后的名次并不是很好(举办方承诺的进复赛的奖品也没有给...)，不过，通过这次比赛我还是学习到了相当多的内容。

首先，让自己通过这样一个理论与实践的过程，跟进上了NLP的前沿内容(NLP预训练语言模型)，在理论上对预训练模型有了更深刻的理解，在实践上对预训练模型的相关代码掌握的更好；其次，学习到了相当有用的比赛tricks，这些tricks不仅在这次比赛有用，下次比赛也会起到作用，相当于积累了经验；最后，还认识了一些有趣的小伙伴(￣ω￣(￣ω￣〃 (￣ω￣〃)ゝ。

最后，感谢这次比赛中的队友小郭同学、洪大有及大师兄，没有他们的帮助我不可能取得这样的成绩。

Open Source

1. Transformers_for_Text_Classification(https://github.com/zhanlaoban/Transformers_for_Text_Classification)：基于Transformers的文本分类

2. 互联网新闻情感分析复赛top8(8/2745)开源代码(https://github.com/zhanlaoban/CCF_BDCI_2019_datafountain350)

More Competitions Solutions

这里列出一些本比赛中和其他相似比赛中的优秀解决方案中有效的trick：

Model设计

这部分是我十分喜欢的改网络结构环节。首先，我自己的做法是将BERT的last_hidden_state接入一个BiGRU。然后在本次比赛中，第一名的大佬也有一些更有意思的改进(参考引用6)：

1. 提取bert模型内部隐藏层第一状态位输出

通过提取最后2层或最后3层的第一个状态输出向量，与原先的提取bert模型内部隐藏层第一状态位输出。通过提取最后2层或最后3层的第一个状态输出向量，与原先的bert模型pooler_output拼接，最后进行分类。下图是三种不同的拼接方式。

2. 利用bert模型最后一个隐含层所有状态位信息

这些状态信息可以连接更深层的网络模型，如双向LSTM、双向GRU。通过更深层的网络模型提取文本的更高维度特征，然后通过提取隐含层状态、平均池化、最大池化等操作聚合双向GRU输出和隐含层状态特征，最后拼接bert模型的pooler_output进行分类。

3. BERT-CNN-Pooling模型

该模型来自参考引用7，其改进也让我觉得十分有意思，这位大佬采用BERT模型提取出字向量（不Finetune），然后结合腾讯词向量，作为最终的词向量输入到1维卷积网络中。在池化过程中同时选择最大池化和平均池化，最后将其结果相加，接入一个Dense层中得到结果。

评价指标

(来自参考引用7)比赛中很多用的是Macro-F1值作为评价指标，而Macro-F1是关于P和R的调和平均，F1与P或R均为正相关，而精准率P在验证结果中均高于F1，所以在交叉验证中以选择较高的召回率为指标来选择每折中的模型(不同epoch时召回率不同)。

Reference

1. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

2. XLNet: Generalized Autoregressive Pretraining for Language Understanding

3. RoBERTa: A Robustly Optimized BERT Pretraining Approach

4. Pre-Training with Whole Word Masking for Chinese BERT

5. How to Fine-Tune BERT for Text Classification(https://arxiv.org/abs/1905.05583) (来自邱锡鹏老师组)

6. CCF BDCI 2019 互联网新闻情感分析 复赛top1解决方案(https://github.com/cxy229/BDCI2019-SENTIMENT-CLASSIFICATION)

7. 基于BERT和CNN的多模型虚假新闻分类(https://www.biendata.com/models/category/3529/L_notebook)

8. NLP_competitions(https://github.com/zhanlaoban/NLP_competitions)