Prompt NER Chinese

Nerveux rapide sur les données de DSE chinois

Introduction

Ce référentiel utilise Bert comme modèle pré-formé pour effectuer des tâches de reconnaissance des entités nommées à l'aide de la méthode invite pré-formée.

Description du dossier:

 .
├── .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

Exigences:

python

torrh

sklearn

pandas

transformateurs

Méthode d'utilisation directe:

Exécutez main.py avec Python pour obtenir le fichier modèle.

Exécutez App.py avec Python et modifiez les données d'entrée dans Test.py pour obtenir le résultat renvoyé.

résultat:

Méthode de formation	F1
Méthodes de pré-formation conventionnelles	0,7617
Méthode de formation rapide	0,8189