Java 类名：com.alibaba.alink.pipeline.regression.BertTextPairRegressor
Python 类名：BertTextPairRegressor

功能介绍

Bert 文本对回归。

参数说明

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 ✓
textPairCol 文本对列 文本对列 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

代码示例

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！

Python 代码

  1. url = "http://alink-algo-packages.oss-cn-hangzhou-zmf.aliyuncs.com/data/MRPC/train.tsv"
  2. schemaStr = "f_quality double, f_id_1 string, f_id_2 string, f_string_1 string, f_string_2 string"
  3. data = CsvSourceBatchOp() \
  4.     .setFilePath(url) \
  5.     .setSchemaStr(schemaStr) \
  6.     .setFieldDelimiter("\t") \
  7.     .setIgnoreFirstLine(True) \
  8.     .setQuoteChar(None)
  9. data = ShuffleBatchOp().linkFrom(data)
  11. regressor = BertTextPairRegressor() \
  12.     .setTextCol("f_string_1").setTextPairCol("f_string_2").setLabelCol("f_quality") \
  13.     .setNumEpochs(0.1) \
  14.     .setMaxSeqLength(32) \
  15.     .setNumFineTunedLayers(1) \
  16.     .setBertModelName("Base-Uncased") \
  17.     .setPredictionCol("pred")
  18. model = regressor.fit(data)
  19. predict = model.transform(data.firstN(300))
  20. predict.print()

Java 代码

  1. import com.alibaba.alink.operator.batch.BatchOperator;
  2. import com.alibaba.alink.operator.batch.dataproc.ShuffleBatchOp;
  3. import com.alibaba.alink.operator.batch.source.CsvSourceBatchOp;
  4. import com.alibaba.alink.pipeline.regression.BertRegressionModel;
  5. import com.alibaba.alink.pipeline.regression.BertTextPairRegressor;
  6. import org.junit.Test;
  8. public class BertTextPairRegressorTest {
  9.     @Test
  10.     public void test() throws Exception {
  11.         String url = "http://alink-algo-packages.oss-cn-hangzhou-zmf.aliyuncs.com/data/MRPC/train.tsv";
  12.         String schemaStr = "f_quality double, f_id_1 string, f_id_2 string, f_string_1 string, f_string_2 string";
  13.         BatchOperator <?> data = new CsvSourceBatchOp()
  14.             .setFilePath(url)
  15.             .setSchemaStr(schemaStr)
  16.             .setFieldDelimiter("\t")
  17.             .setIgnoreFirstLine(true)
  18.             .setQuoteChar(null);
  19.         data = new ShuffleBatchOp().linkFrom(data);
  21.         BertTextPairRegressor regressor = new BertTextPairRegressor()
  22.             .setTextCol("f_string_1").setTextPairCol("f_string_2").setLabelCol("f_quality")
  23.             .setNumEpochs(0.1)
  24.             .setMaxSeqLength(32)
  25.             .setNumFineTunedLayers(1)
  26.             .setBertModelName("Base-Uncased")
  27.             .setPredictionCol("pred");
  28.         BertRegressionModel model = regressor.fit(data);
  29.         BatchOperator <?> predict = model.transform(data.firstN(300));
  30.         predict.print();
  31.     }
  32. }

运行结果

| FIELD1 | f_quality | f_id_1 | f_id_2 | f_string_1 | f_string_2 | | —- | —- | —- | —- | —- | —- |

| 0 | 1.0 | 2224622 | 2224687 | The indictment ``strikes at one of the very to… | The newly unsealed 32-count indictment alleges… |

| 1 | 0.0 | 58543 | 58516 | The tech-heavy Nasdaq Stock Markets composite … | The Nasdaq Composite index , full of technolog… |

| 2 | 1.0 | 1048622 | 1048759 | Rescue workers had to scrounge for boats to re… | Wagner and Wolford both said that rescue worke… |

| 3 | 1.0 | 2733687 | 2733747 | Asked about the controversy , Bloomberg said ,… | “ I didn ‘t see either one today , but if they… |

| 4 | 0.0 | 3270421 | 3270325 | At 10 p.m. , Odette was centered about 295 mil… | At 10 p.m. Thursday , Odette was about 295 mil… |

| … | … | … | … | … | … |

| 295 | 0.0 | 2187868 | 2187826 | “ They were brutally beaten , and it ‘s really… | “ It ‘s a wonder that Porchia was the only dec… |

| 296 | 0.0 | 257789 | 257726 | Knight had 29 interceptions in his six years w… | Knight has 29 interceptions in six seasons , a… |

| 297 | 1.0 | 3128160 | 3128278 | It will appear in the next few weeks on the We… | Details of the research will appear in a futur… |

| 298 | 1.0 | 1125898 | 1125882 | Following the ATP ‘s notification by Hewitt ‘s… | Following ATP ‘s notification by Hewitt ‘s law… |

| 299 | 0.0 | 3041807 | 3041719 | Details of the research appear in the Nov. 5 i… | The results , published in the Journal of the … |