DeepPavlov NER 项目使用教程
nerNamed Entity Recognition 项目地址:https://gitcode.com/gh_mirrors/ner/ner
1. 项目的目录结构及介绍
DeepPavlov NER 项目的目录结构如下:
ner/
├── configs/
│ ├── ner_ontonotes_bert.json
│ └── ...
├── deeppavlov/
│ ├── models/
│ │ └── ner/
│ │ ├── __init__.py
│ │ └── ...
│ └── ...
├── README.md
├── requirements.txt
└── ...
目录结构介绍
configs/
: 包含项目的配置文件,如ner_ontonotes_bert.json
。deeppavlov/
: 包含项目的主要代码文件,其中models/ner/
目录下是命名实体识别模型的具体实现。README.md
: 项目的说明文档。requirements.txt
: 项目依赖的 Python 包列表。
2. 项目的启动文件介绍
项目的启动文件主要是通过配置文件来启动命名实体识别模型。以下是一个示例命令:
python -m deeppavlov interact configs/ner_ontonotes_bert.json
启动文件介绍
python -m deeppavlov
: 调用 DeepPavlov 模块。interact
: 启动交互模式,用户可以输入文本进行命名实体识别。configs/ner_ontonotes_bert.json
: 指定使用的配置文件。
3. 项目的配置文件介绍
配置文件 configs/ner_ontonotes_bert.json
是一个 JSON 文件,包含了模型的各种配置参数。以下是配置文件的部分内容:
{
"dataset_reader": {
"name": "conll2003",
"data_path": "data/conll2003/",
"provide_pos": false,
"provide_chunks": false,
"provide_senses": false
},
"dataset_iterator": {
"name": "data_learning_iterator"
},
"chainer": {
"in": ["x"],
"in_y": ["y"],
"out": ["y_predicted"],
"pipe": [
{
"id": "vocabs_pretrained",
"name": "pretrained_vocabs_extractor",
"in": ["x"],
"out": ["x_tokens"]
},
...
]
},
...
}
配置文件介绍
dataset_reader
: 定义数据集读取器,包括数据路径和一些参数。dataset_iterator
: 定义数据集迭代器。chainer
: 定义模型的流水线,包括输入、输出和各个处理步骤。
通过以上配置文件,可以灵活地调整模型的行为和参数。
nerNamed Entity Recognition 项目地址:https://gitcode.com/gh_mirrors/ner/ner