SMP-CAIL2020：论辩挖掘

本项目为 中国法研杯司法人工智能挑战赛（CAIL2020） 论辩挖掘赛道参考代码和模型。

主要包含两个基线模型：BERT和RNN。

0. 预处理

0.0 下载本项目

git clone https://github.com/gaoyixu/CAIL2020-Argument-Mining.git

0.1 数据集

数据集下载请访问比赛主页。

本项目中只使用了

SMP-CAIL2020-train.csv： 包含了2449对裁判文书中的互动论点对。分别包含以下维度：

• id： 论点对id
• text_id： 裁判文书id
• sc： 论点对中诉方论点
• A/B/C/D/E： 给出的五句候选辩方论点
• answer： 辩方正确论点

划分训练集、验证集：

python prepare.py

0.2 下载BERT模型（pytorch版本）

下载中文预训练BERT模型存放于model/bert和model/bert/bert-base-chinese目录

中文预训练BERT模型包含三个文件：

1. config.json
2. pytorch_model.bin
3. vocab.txt

初始文件目录：

├── config
│   ├── bert_config.json
│   └── rnn_config.json
├── data
│   ├── SMP-CAIL2020-train.csv
│   ├── train.csv
│   └── valid.csv
├── model
│   ├── bert
│   │   ├── bert-base-chinese
│   │   │   ├── config.json
│   │   │   └── pytorch_model.bin
│   │   └── vocab.txt
│   └── rnn
├── __init__.py
├── data.py
├── evaluate.py
├── main.py
├── model.py
├── prepare.py
├── result.py
├── test.py
├── train.py
├── utils.py
└── vocab.py

1. 训练

1.1 BERT训练

采用4张1080Ti训练，训练参数可在config/bert_config.json中调整。

python -m torch.distributed.launch train.py --config_file 'config/bert_config.json'

1.2 RNN训练

采用1张1080Ti训练，训练参数可在config/rnn_config.json中调整。

CUDA_VISIBLE_DEVICES=0 python -m torch.distributed.launch train.py --config_file 'config/rnn_config.json'

1.3 训练成果

训练完成后文件目录：

config中包含模型训练参数。

log中包含模型每个epoch的Accuracy，F1 Score和每步loss的记录数据。

model中包含每个epoch训练后的模型和验证集上F1 Score最高的模型model.bin。

├── config
│   ├── bert_config.json
│   └── rnn_config.json
├── data
│   ├── SMP-CAIL2020-train.csv
│   ├── train.csv
│   └── valid.csv
├── log
│   ├── BERT-epoch.csv
│   ├── BERT-step.csv
│   ├── RNN-epoch.csv
│   └── RNN-step.csv
├── model
│   ├── bert
│   │   ├── BERT
│   │   │   ├── bert-1.bin
│   │   │   ├── bert-2.bin
│   │   │   ├── bert-3.bin
│   │   │   ├── bert-4.bin
│   │   │   ├── bert-5.bin
│   │   │   ├── bert-6.bin
│   │   │   ├── bert-7.bin
│   │   │   ├── bert-8.bin
│   │   │   ├── bert-9.bin
│   │   │   └── bert-10.bin
│   │   ├── bert-base-chinese
│   │   │   ├── config.json
│   │   │   └── pytorch_model.bin
│   │   └── vocab.txt
│   └── rnn
│       ├── model.bin
│       ├── RNN
│       │   ├── rnn-1.bin
│       │   ├── rnn-2.bin
│       │   ├── rnn-3.bin
│       │   ├── rnn-4.bin
│       │   ├── rnn-5.bin
│       │   ├── rnn-6.bin
│       │   ├── rnn-7.bin
│       │   ├── rnn-8.bin
│       │   ├── rnn-9.bin
│       │   └── rnn-10.bin
│       └── vocab.txt
├── __init__.py
├── data.py
├── evaluate.py
├── main.py
├── model.py
├── prepare.py
├── result.py
├── test.py
├── train.py
├── utils.py
└── vocab.py

2. 测试

in_file为待测试文件，out_file为输出文件。

2.1 BERT测试

python main.py --model_config 'config/bert_config.json' \
               --in_file 'SMP-CAIL2020-test1.csv' \
               --out_file 'bert-submission-test-1.csv'

2.2 RNN测试

python main.py --model_config 'config/rnn_config.json' \
               --in_file 'data/SMP-CAIL2020-test1.csv' \
               --out_file 'rnn-submission-test-1.csv'