End-to-End Neural Entity Linking 项目教程

End-to-End Neural Entity Linking 项目教程

end2end_neural_el 项目地址: https://gitcode.com/gh_mirrors/en/end2end_neural_el

1. 项目的目录结构及介绍

end2end_neural_el/
├── code/
│   ├── preprocessing/
│   ├── model/
│   ├── gerbil/
│   └── ...
├── deep-ed/
│   ├── data/
│   └── ...
├── gerbil-SpotWrapNifWS4Test/
├── data/
│   ├── basic_data/
│   ├── wordEmbeddings/
│   └── ...
├── examples/
├── LICENSE
├── README.md
├── requirements.txt
└── ...

目录结构介绍

• code/: 包含项目的主要代码，包括预处理脚本、模型训练脚本和Gerbil评估脚本。
  • preprocessing/: 包含数据预处理的脚本。
  • model/: 包含模型训练的脚本。
  • gerbil/: 包含Gerbil评估的脚本。
• deep-ed/: 包含深度实体链接相关的代码和数据。
• gerbil-SpotWrapNifWS4Test/: 包含Gerbil评估的配置和启动脚本。
• data/: 包含项目所需的数据文件，包括基本数据、词嵌入和实体向量。
• examples/: 包含项目的示例代码和教程。
• LICENSE: 项目的许可证文件。
• README.md: 项目的介绍和使用说明。
• requirements.txt: 项目依赖的Python库列表。

2. 项目的启动文件介绍

启动文件

• code/gerbil/start.sh: Gerbil评估的启动脚本。
• gerbil-SpotWrapNifWS4Test/pom.xml: Maven配置文件，用于启动Gerbil评估服务。

启动步骤

1. 启动Gerbil:

   cd gerbil/
   ./start.sh
   

2. 启动Gerbil评估服务:

   cd gerbil-SpotWrapNifWS4Test/
   mvn clean -Dmaven.tomcat.port=1235 tomcat:run
   

3. 运行评估脚本:

   cd code/
   python -m gerbil.server --training_name=base_att_global --experiment_name=paper_models --persons_coreference_merge=True --all_spans_training=True --entity_extension=extension_entities
   

3. 项目的配置文件介绍

配置文件

• requirements.txt: 列出了项目所需的Python依赖库。
• gerbil-SpotWrapNifWS4Test/pom.xml: Maven配置文件，用于配置Gerbil评估服务的启动参数。

配置步骤

1. 安装Python依赖:

   pip install -r requirements.txt
   

2. 配置Gerbil评估服务:

   • 修改pom.xml文件中的maven.tomcat.port参数，设置Gerbil服务的端口号。
   • 运行Maven命令启动服务：

     mvn clean -Dmaven.tomcat.port=1235 tomcat:run
     

3. 配置评估脚本:

   • 修改gerbil/server.py中的参数，如training_name、experiment_name等，以适应不同的模型和实验需求。

通过以上步骤，您可以成功启动并配置End-to-End Neural Entity Linking项目，并进行相应的评估和实验。

end2end_neural_el 项目地址: https://gitcode.com/gh_mirrors/en/end2end_neural_el