Prompt NER Chinese

Prompt-ir nos dados de EHR chineses

Introdução

Esse repositório usa o BERT como um modelo pré-treinado para executar tarefas de reconhecimento de entidade nomeadas usando o método rápido pré-treinado.

Descrição da pasta:

 .
├── .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:

Python

Torrh

Sklearn

Pandas

transformadores

Método de uso direto:

Execute main.py com python para obter o arquivo de modelo.

Execute app.py com o python e modifique os dados de entrada no test.py para obter o resultado retornado.

resultado:

Método de treinamento	F1
Métodos de pré-treinamento convencionais	0,7617
Método de treinamento imediato	0,8189