2024 CICC 社会认知与决策大赛 赛题1 群体会话用户情感分析 总决赛二等奖技术方案

我是大明星队 赛题1 代码运行说明

运行环境

GPU： A800 80G * 8 CUDA 12.4

Python 3.11.10

依赖包见 requirements.txt，主要功能的包需完整且功能一致

复现方式

使用开源大模型对数据进行增强

下载大模型权重

• Yi-1.5-34B-Chat-16K
• Qwen2.5-72B-Instruct
• Qwen2-72B-Instruct

下载好后更改infer_zero_shot_reason.py里面的MODEL_PATH变量为模型的路径

在cicc目录下运行bash run.sh，运行结束后会在data目录下生成数据文件：

test_data_Qwen2___5-72B-Instruct_analysis.json
test_data_Qwen2-72B-Instruct_analysis.json
test_data_Yi-1___5-34B-Chat-16K_analysis.json
train_data_Qwen2___5-72B-Instruct_analysis.json
train_data_Qwen2-72B-Instruct_analysis.json
train_data_Yi-1___5-34B-Chat-16K_analysis.json
val_data_Qwen2___5-72B-Instruct_analysis.json
val_data_Qwen2-72B-Instruct_analysis.json
val_data_Yi-1___5-34B-Chat-16K_analysis.json

使用增强的数据训练下游小模型

下载预训练ERNIE权重：ernie-3.0-xbase-zh

训练基于ERNIE预训练模型的下游模型

更改config/CICC_ernie.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

在cicc/Pytorch-template-main目录下运行bash runsh/run_template_ernie.sh进行模型训练

训练基于TextCNN模型的下游模型

更改config/CICC_textcnn.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

在cicc/Pytorch-template-main目录下运行bash runsh/run_template_textcnn.sh进行模型训练

模型权重保存位置

运行结束后生成的模型权重文件在cicc/Pytorch-template-main/save_models的运行时间戳的文件夹中

（目前训练好的权重文件已经保存在该文件夹中）

推理下游小模型得到结果

更改config/CICC_ernie_qwen25_test.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

更改config/CICC_ernie_qwen2_test.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

更改config/CICC_ernie_yi_test.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

更改config/CICC_textcnn_qwen2_test.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

更改config/CICC_textcnn_qwen25_test.yaml内部文件夹的路径：

data_path:
  data_dir: "{cicc文件夹的绝对路径}"
model_path:
  pretrained_model_dir: "{ERNIE权重的绝对路径（不包括ERNIE本身文件夹）}"

在cicc/Pytorch-template-main目录下运行bash runsh/eval.sh进行模型推理

结果文件生成位置

会在result文件夹下生成csv文件：

val_data_*.csv
test_data_*.csv

（目前生成好的csv文件已经保存在该文件夹中）

集成多个模型的输出结果

在cicc目录下运行python merge.py进行模型集成，会在cicc目录下生成test_label.json文件，即为最终结果

（目前生成好的test_label.json文件已经保存在此位置）