基于pytorch和bert，参考NER的网络结构，第一个全连接的输出层输出属性/观点的起始位置（按照BEIS，共有8个类），第二个输出观点+属性的分类（合计有28个类）
python3.6 + pytorch==1.0.1 + pytorch-pretrained-bert==0.6.2
cd code; CUDA_VISIBLE_DEVICES=0 python train_v2.py
- 数据增强
- 多网络融合
参考NER，基于BERT的电商评论观点挖掘和情感分析
基于pytorch和bert，参考NER的网络结构，第一个全连接的输出层输出属性/观点的起始位置（按照BEIS，共有8个类），第二个输出观点+属性的分类（合计有28个类）
python3.6 + pytorch==1.0.1 + pytorch-pretrained-bert==0.6.2
cd code; CUDA_VISIBLE_DEVICES=0 python train_v2.py
参考NER，基于BERT的电商评论观点挖掘和情感分析