KPF BERT
사용방법
Step 1. Installation
python>3.6 이어야 함
pip3 install torch>=1.4.0
pip3 install transformer>=4.9.2
Step 2. Load Tokenizer, Model
from transformers import BertModel, BertTokenizer
model_name_or_path = "LOCAL_MODEL_PATH" # Bert 바이너리가 포함된 디렉토리
model = BertModel.from_pretrained(model_name_or_path, add_pooling_layer=False)
tokenizer = BertTokenizer.from_pretrained(model_name_or_path
Step 3. Tokenizer
>>> text = "언론진흥재단 BERT 모델을 공개합니다."
>>> tokenizer.tokenize(text)
['언론', '##진흥', '##재단', 'BE', '##RT', '모델', '##을', '공개', '##합니다', '.']
>>> encoded_input = tokenizer(text)
>>> encoded_input
{'input_ids': [2, 7392, 24220, 16227, 28024, 21924, 7522, 4620, 7247, 15801, 518, 3],
'token_type_ids': [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
'attention_mask': [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]}
Step 4. Model Inference
>>> import torch
>>> model.eval()
>>> pt_encoded_input = tokenizer(text, return_tensors="pt")
>>> model(**pt_encoded_input, return_dict=False)
(tensor([[[-4.1391e-01, 7.3169e-01, 1.1777e+00, ..., 1.2273e+00, -4.1275e-01, 2.4145e-03],
[ 1.6289e+00, -1.9552e-01, 1.6454e+00, ..., 2.5763e-01, 1.7823e-01, -7.6751e-01],
[ 7.4709e-01, -4.1524e-01, 3.0054e-01, ..., 1.1636e+00, -2.3667e-01, -1.0005e+00],
...,
[-7.9207e-01, -2.9005e-01, 1.7217e+00, ..., 1.5060e+00, -2.3975e+00, -4.3733e-01],
[-4.1402e-01, 7.3164e-01, 1.1777e+00, ..., 1.2273e+00, -4.1289e-01, 2.3552e-03],
[-4.1386e-01, 7.3167e-01, 1.1776e+00, ..., 1.2273e+00, -4.1259e-01, 2.5745e-03]]],
grad_fn=<NativeLayerNormBackward>), None)
총 5개의 모델에 대해서 평가 작업 수행
- kpfBERT base (https://github.com/KPFBERT/kpfbert)
- KLUE BERT base (https://huggingface.co/klue/bert-base)
- ETRI BERT base (KorBERT, https://aiopen.etri.re.kr/service_dataset.php)
- KoBERT (https://github.com/SKTBrain/KoBERT)
- BERT base multilingual cased (https://huggingface.co/bert-base-multilingual-cased)
Sequence Classification 성능 측정 결과 비교 (10/22/2021):
| 구분 | NSMC | KLUE-NLI | KLUE-STS |
|---|---|---|---|
| 데이터 특징 및 규격 | 영화 리뷰 감점 분석, 학습 150,000 문장, 평가: 50,000문장 | 자연어 추론, 학습: 24,998 문장 평가: 3,000 문장 (dev셋) | 문장 의미적 유사도 측정, 학습: 11,668 문장 평가: 519 문장 (dev셋) |
| 평가방법 | accuracy | accuracy | Pearson Correlation |
| KPF BERT | 91.29% | 87.67% | 92.95% |
| KLUE BERT | 90.62% | 81.33% | 91.14% |
| KorBERT Tokenizer | 90.46% | 80.56% | 89.85% |
| KoBERT | 89.92% | 79.53% | 86.17% |
| BERT base multilingual | 87.33% | 73.30% | 85.66 % |
Question Answering 성능 측정 결과 비교 (10/22/2021):
| 구분 | KorQuAD v1 | KLUE-MRC |
|---|---|---|
| 데이터 특징 및 규격 | 기계독해, 학습: 60,406 건 평가: 5,774 건 (dev셋) | 기계독해, 학습: 17,554 건 평가: 5,841 건 (dev셋) |
| 평가방법 | Exact Match / F1 | Exact Match / Rouge W |
| KPF BERT | 86.42% / 94.95% | 69.51 / 75.84% |
| KLUE BERT | 83.84% / 93.23% | 61.91% / 68.38% |
| KorBERT Tokenizer | 20.11% / 82.00% | 30.56% / 58.59% |
| KoBERT | 16.85% / 71.36% | 28.56% / 42.06 % |
| BERT base multilingual | 68.10% / 90.02% | 44.58% / 55.92% |
KPF BERT 활용 사례
-
KPFBERTSUM (https://github.com/KPFBERT/kpfbertsum)
- KpfBertSum은 Bert 사전학습 모델을 이용한 텍스트 요약 논문 및 모델인 PRESUMM모델을 참조하여 한국어 문장의 요약추출을 구현한 한국어 요약 모델이다.
- 한국언론진흥재단에서 구축한 방대한 뉴스기사 코퍼스로 학습한 kpfBERT를 이용하여 특히 뉴스기사 요약에 특화된 모델이다.
-
YouTube 'BERT란 무엇인가' 설명 링크 https://youtu.be/Pj6563CAnKs
