Prompt NER Chinese

Eingabeender auf chinesischen EHR-Daten

Einführung

Dieses Repository verwendet Bert als vorgebildetes Modell, um benannte Entitätserkennungsaufgaben mithilfe der eingehend vorgebildeten Methode auszuführen.

Ordner Beschreibung:

 .
├── .DS_Store
├── __init__.py
├── app.py 	# 接口文件
├── best_model.pth	# 模型文件（需要自己训练）
├── config.py	# 配置文件
├── conlleval.py	# 评价指标
├── data	# 数据集
│   ├── eval.txt # 处理好的验证集
│   ├── test.txt	# 处理好的测试集
│   └── train.txt	# 处理好的训练集
├── logger.py	# 日志文件
├── main.py	# 主文件
├── output	# 输出
│   └── logs
│       └── Experiment_log.log
├── predict.py	# 预测程序
├── processer.py	# 数据预处理文件
├── prompt_model.py	# 模型结构
├── test_predict.py	# 接口测试文件
└── utils.py	# 方法函数

Anforderungen:

Python

Torrh

Sklearn

Pandas

Transformatoren

Direktnutzungsmethode:

Führen Sie Main.py mit Python aus, um die Modelldatei zu erhalten.

Führen Sie App.py mit Python aus und ändern Sie die Eingabedaten in test.py, um das zurückgegebene Ergebnis zu erhalten.

Ergebnis:

Trainingsmethode	F1
Herkömmliche Methoden vor dem Training	0,7617
Schnelle Trainingsmethode	0,8189