uglyghost / code_nlp Goto Github PK

项目 README 文件介绍：

本项目是自然语言处理课程作业项目，旨在通过修改提示词文件来提升模型性能。项目包含三个子任务：情绪分析（emotion）、分词（tokenization）、和翻译（translation）。每个子任务都有一个主运行脚本、提示词文件和环境需求文件。同学们需要关注于修改prompt文件中的提示语，以提升模型的输出性能。以下是项目的详细介绍和使用说明：

├── emotion
│   ├── emotion.py (主运行脚本)
│   ├── prompt (提示词文件)
│   └── requirement.txt (环境依赖文件)
├── tokenization
│   ├── tokenization.py (主运行脚本)
│   ├── prompt (提示词文件)
│   ├── pku_training.utf8 (数据集)
│   └── requirement.txt (环境依赖文件)
└── translation
    ├── translation.py (主运行脚本)
    ├── prompt (提示词文件)
    ├── news-commentary-v13.zh-en.en (英语翻译数据集)
    ├── news-commentary-v13.zh-en.zh (中文翻译数据集)
    └── requirement.txt (环境依赖文件)

1. 将Python包源设置为清华源，以加速包的安装速度：

   pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
   

2. 根据各子任务的requirement.txt文件安装所需的Python包。例如：

   pip install -r requirement.txt
   

请同学们按如下步骤处理每个任务，需要注意的是，每个任务的主运行脚本都需要配置API_KEY：

1. 访问 https://open.bigmodel.cn 以申请API_KEY。
2. 在emotion.py脚本中按照说明填写已获得的API_KEY。
3. 使用以下命令来运行情绪分析任务的脚本：

   python emotion.py
   

4. 适当修改prompt文件中的提示词，提高模型的准确度。
5. （可选）更改emotion.py脚本中的模型参数或尝试使用不同类型的模型（脚本中第16到21行）来实验提升性能。

1. 访问 https://open.bigmodel.cn 以申请API_KEY。
2. 在tokenization.py脚本中按照说明填写已获得的API_KEY。
3. 使用以下命令来运行分词任务的脚本：

   python tokenization.py
   

4. 尝试修改prompt文件中的提示词，以提升模型的性能。
5. （可选）同学们可以更改tokenization.py脚本中的模型参数或尝试使用不同类型的模型（脚本中第57到62行）进行实验。

1. 访问 https://open.bigmodel.cn 以申请API_KEY。
2. 在translation.py脚本中按照说明填写已获得的API_KEY。
3. 使用以下命令来运行翻译任务的脚本：

   python translation.py
   

4. 适当调整prompt文件中的提示词，尝试提升模型的性能。
5. （可选）同学们可以尝试更改translation.py脚本中的模型参数或使用不同类型的模型（脚本中第28到33行）进行实验，以寻找最佳性能配置。

• 运行主脚本后，系统将输出模型的性能结果。同学们应尽可能调整提示词（prompt），或调整模型参数及更换模型来提高性能。

希望这份指南能够为同学们提供清晰和详细的步骤指导，祝同学们完成课程作业顺利！