这是入手nlp词义消歧看的第一篇论文，如下：
http://链接：https://pan.baidu.com/s/1TNZUypbKetWVeeffx0kuZw 提取码：egxg
文章关注的是：如何在监督神经WSD系统中更好地利用光泽信息？
首先，词义消歧是nlp中一项基本任务和长期存在的挑战，目的是在特定的上下文中找到一个歧义词的确切意义。在本篇论文中，建立了上下文光泽对并提出了3个基于bert（关于bert的知识其实我学得不够多，所以这里需要挖个坑后期填补）的WSD模型，对SenCor3.0训练语料库上的预训练bert模型进行了微调。
微调的注意事项：
1）通常的做法是截断预先训练好的网络的最后一层（softmax层），并用与我们自己的问题相关的新的softmax层替换它。
2）使用
较小的学习率
来训练网络。
3）如果数据集数量过少，我们进来只训练最后一层，如果数据集数量中等，冻结预训练网络的前几层的权重也是一种常见做法。
Fine-tune（迁移学习）
：冻结预训练模型的部分卷积层（通常是靠近输入的多数卷积层），训练剩下的卷积层（通常是靠近输出的部分卷积层）和全连接层。
3种glossbbert模型：
-
token-cls：取与目标此对应的标记的最终隐藏状态（如果有多个的话就平均）来
突出显示目标词
，并添加一个分类层。
-
S
ent-cls：将第一个标记[cls]的最终隐藏状态作为整个序列的表示，并添加一个分类层，
没有突出显示目标词
。（结果比token好）
-
S
ent-cls-ws：具有若监督的上下文光泽对作为输入，并添加一个分类层，
通过弱监督突出显示目标词
。（表现最好，总结了前两个的优点）
预先训练过的模型bert-base进行微调(bert-large效果比较差)
（dev）验证集
看完论文后就去跑了项目代码，花了我很多时间，最后发现我的电脑显存不够带不动，所以后面拿了导的服务器跑代码，batchsize也调小了，跑了我一天多，然后直接黑屏，估计是我没开空调，但是发现是有结果的，虽然结果没有出全，但是那个结果已经可以进行研究了，但是最近的任务有些多，所以还需要往后推一推。
接下来是我记录的复现时遇到的问题：
-
已经下载过了pytorch但是代码还是一样标红，发现是系统已经下载过，在pip命令后面添加
–traget= 地址是pip是出现的地址
行不通？
2.我的pychram环境是有问题的，系统中装上了pytorch但是我的项目没有
问题已解决：
(8条消息) Pycharm创建虚拟环境_冲冲冲鸭鸭鸭~的博客-CSDN博客_pycharm创建虚拟环境
在terminal先建立一个虚拟环境，再将项目建于虚拟环境之中，
Conda create -n xxx（自定义一个名字） python==？（所需要的版本）
然后输入y
激活虚拟环境！！！
Conda activate xxx （windows环境）
Source activate xxx （linux环境）
如果有requirements.txt文件的话，可以直接使用
Pip install -r requirements.txt
如果没有的话，就将所需要的包pip进去
添加环境，file-settings-add conda environment（existinng，是刚刚创建的环境名）-最后ok搞定
3.出现一个新的问题：MemoryError ？？？
尝试过更改电脑内存发现并没有用。
更改batchsize?(更改参数的话其实也没用耶，有用的，只不过要去服务器，我的电脑带不动)
尝试跑了一下bertbaseline的，然后出现了100%后还是MemoryError。
最终发现是我这台电脑的显存不够用，所以问题出在设备上，所以接下来要使用服务器去跑代码，linux系统，要学一下命令打法。
关于读取xml将其整合成一个句子，后期要改这块代码去跑自己的数据集，这部分搞定后就可以试试改变模型。
[error]
_pickle.UnpicklingError: A load persistent id instruction was encountered,
but no persistent_load function was specified.
尝试修改：
Modeling 586行 （没用！！！）
看到这么一个方法，所以可以选择从头再来?
重新训练了一下，好像能跑了？
ModuleNotFoundError: No module named ‘keras_applications’
出现了上面这个问题，就是版本不一致的问题，所以卸载重装
pip
un
install keras_preprocessing
pip
un
install keras_applications
pip install keras_preprocessing
pip install keras_applications
正在跑？
数据读取成功，竟然有这么多条数据，200多万条数据
RuntimeError: CUDA out of memory. Tried to allocate 24.00 MiB (GPU 0; 10.76 GiB total capacity; 9.81 GiB already allocated; 15.44 MiB free; 23.13 MiB cached)
又出现了错误！
我的电脑好像带不动，黑屏了好几次，是可以运行的就是承载不了
跑出来啦！！！ 10.08
本来是打算重新跑的，但是发现已经有生成的文件了，所以就查看了一下
虽然没有全部跑出来 但是有几个是出来的了，所以现在就是要进行分析
数据集太大可以通过减少batchsize再次运行
所训练出来的数据就是选出单词最为接近的意思
其实最好的做法就是进行数据集的更换，但是目前我还没学到那个地步，所以也只能等后期再进行学习更改代码和微调。
(下面是处理xml文件产生句子的代码，将这些进行修改就可以更改数据集)
Import xml.etree.ElementTree as ET
def generate(file_name):
tree = ET.ElementTree(flie=file_name)
root = tree.getroot()
Sentences = []
Poss = []
Targets = []
Targets_index_start = []
Targets_index_end = []
Lemmas = []
for doc in root:
for sent in doc:
Sentence = []
Pos = []
Target = []
Traget_index_start = []
Target_index_end = []
Lemmas = []
For token in sent:
assert token.tag == ‘wf’ or token.tag ==’instance’ # 断言，是一种很好的编程写法，如果这里发生了错误报错的时候就会有提示这里出现问题，容易进行修改
If token.tag == ‘wf’:
For i in token.text.split(‘ ‘):
Sentence.append(i)
Pos.append(token.attrib[‘pos’])
Target.append(‘X’)
Lemma.append(token.attrib[‘lemma’])
If token.tag == ‘instance’：
Target_start = len(sentence)
For i in token.text.split(‘ ’):
Sentence.append(i)
Pos.append(token.attrib[‘pos’])
Target.append(token.attrib[‘id’])
Lemma.append(token.attrib[‘lemma’])
Target_end = len(sentence)
Assert ‘ ‘.join(sentence[target_start:target_end]) == token.text
Target_index_start.append(target_start)
Target_index_end.append(target_end)
Sentences.append(sentence)
Poss.append(pos)
Targets.append(target)
Targets_index_start.append(target_index_start)
Targets_index_end.append(target_index_end)
Lemma.append(lemma)
上周把这篇论文中的数据替换成了实验室自己的数据集，也算是学会了替换数据集这一简单的步骤，接下来就是看看能不能在此上面进行改进，不能的话也算是有所进展了，自己数据集上面的准确率确实挺高的，感觉处理数据集就是一个大工程了。