BERT Personality Detection on Ascend NPU

1. 简介

本文档记录 Minej/bert-base-personality 在 Ascend 910B3 NPU 环境下的适配与验证结果。

该模型基于 BERT-base-uncased 微调，用于五大人格特质（Big Five / OCEAN 模型）预测。模型通过分析输入文本，输出 5 个人格维度的连续得分（0~1），每个维度独立使用 sigmoid 激活：

• Extroversion：外向性（活跃、社交、热情 vs 内向、安静）
• Neuroticism：神经质（敏感、焦虑 vs 情绪稳定）
• Agreeableness：宜人性（合作、信任、利他 vs 竞争性）
• Conscientiousness：尽责性（自律、有条理 vs 随意）
• Openness：开放性（好奇心、创造力 vs 传统）

本仓库提供：

• inference.py：NPU 推理脚本，支持单条/批量文本人格预测
• eval.py：精度与性能评测脚本
• log.txt：评测运行日志

相关获取地址：

• 权重下载地址（HuggingFace）：https://huggingface.co/Minej/bert-base-personality
• 镜像加速：https://hf-mirror.com

2. 验证环境

• NPU：Ascend 910B3，1 逻辑卡
• 模型架构：BertForSequenceClassification
• 隐藏层维度：768
• 注意力头数：12
• 隐藏层数：12
• 参数量：约 110M
• 词汇表大小：30,522
• 输出维度：5（sigmoid 多标签输出）

3. 推理启动

启动前可先检查 NPU 可用性：

python3 -c "import torch; print(f'NPU available: {torch.npu.is_available()}')"

环境准备：

pip install torch torch_npu transformers
export ASCEND_RT_VISIBLE_DEVICES=0

已验证通过的推理命令：

单条文本推理：

python inference.py --text "I love meeting new people and trying new things!"

批量推理：

python inference.py --input-file texts.txt

CPU 推理（参考基准）：

python inference.py --device cpu --text "I enjoy learning new things."

输出格式：

{
  "model": "Minej--bert-base-personality",
  "device": "npu:0",
  "num_texts": 1,
  "inference_time_seconds": 0.015,
  "results": [
    {
      "text": "I love meeting new people!",
      "traits": {
        "Extroversion": 0.82,
        "Neuroticism": 0.35,
        "Agreeableness": 0.78,
        "Conscientiousness": 0.65,
        "Openness": 0.71
      }
    }
  ]
}

4. Smoke 验证

python inference.py --text "I enjoy learning new things and exploring ideas."

预期输出：

• 返回 JSON 格式结果
• 包含 5 个人格维度的得分（0~1 之间）
• 推理时间应在毫秒级别
• 外向文本应得到较高的 Extroversion 和 Openness 分数

验证结果：

• 推理在 NPU 上正常完成
• 各维度得分在合理范围内
• 输出 JSON 格式正确

5. 性能参考

测试条件：8 条文本，batch_size=32，max_length=512。

6. 精度评测

精度评测采用各人格维度的逐维绝对误差作为指标。

各维度最大误差：

| 精度要求（误差 < 1%） | 通过 |

结论：NPU 与 CPU 输出的各人格维度得分误差均在 0.05% 以内，远低于 1% 阈值，精度通过验证。

7. 注意事项

1. 多标签输出：模型使用 sigmoid 激活而非 softmax，每个维度独立输出 0~1 之间的得分，所有维度之和不为 1。
2. OCEAN 模型：五大人格特质是心理学中广泛应用的人格模型，五个维度相互独立。
3. 语言限制：模型基于 BERT-base-uncased，主要针对英语文本，对其他语言效果有限。
4. 输入长度：最大序列长度 512 token，超出部分会被截断。
5. 解释建议：得分 > 0.7 表示在该特质上倾向明显，< 0.3 表示相反倾向，0.3~0.7 为中等水平。