Prompt NER Chinese

Avurado en datos chinos de EHR

Introducción

Este repositorio utiliza BERT como un modelo previamente capacitado para realizar tareas de reconocimiento de entidades con nombre utilizando un método previo al entrenamiento.

Descripción de la carpeta:

 .
├── .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

Requisitos:

pitón

torrh

sklearn

pandas

transformadores

Método de uso directo:

Ejecute Main.py con Python para obtener el archivo modelo.

Ejecute App.py con Python y modifique los datos de entrada en Test.py para obtener el resultado devuelto.

resultado:

Método de entrenamiento	F1
Métodos de pre-entrenamiento convencionales	0.7617
Método de entrenamiento rápido	0.8189