relation_extraction_competition

SPO主谓宾，S的P是O，这样描述，S就是头实体，O就是尾实体

把所以的关系列出来，那么关系里面是实体的关系，所以一定存在头实体和尾实体，没个文字的分类，肯定是属于哪个实体的分类，而实体的类别存在与关系的类别中，一个关系就是两个实体，所有的关系X2，就是这个字所能够分成的所属实体的类别。
尾实体可能存在多种类别，所以用@做区分

实际的数据标注，把所有的头实体类别，关系类别，尾实体类别都做好标注，相应的实际示例实体也抽取出来。类别是示例的抽象，示例是类别的具体，类似于程序里面类的实例化。

实际的关系列表里面有两个类别是I和O，这两个关系类别没有所谓的尾实体或者头实体，只是针对一个字符的实体标注，所以要排除乘以1，实际公式 num_classes=(len(label_map) - 2) * 2 + 2)

from paddlenlp.transformers import RobertaForTokenClassification, RobertaTokenizer

model = RobertaForTokenClassification.from_pretrained(
    "roberta-wwm-ext-large",
    num_classes=(len(label_map) - 2) * 2 + 2)
tokenizer = RobertaTokenizer.from_pretrained("roberta-wwm-ext-large")

根据对应的object的类型，对应的关系也要增加

labels = outside_label + labels + outside_label
    tok_to_orig_start_index = [-1] + tok_to_orig_start_index + [-1]
    tok_to_orig_end_index = [-1] + tok_to_orig_end_index + [-1]
    if seq_len < max_length:
        tokens = tokens + ["[PAD]"] * (max_length - seq_len - 2)
        labels = labels + outside_label * (max_length - len(labels))
        tok_to_orig_start_index = tok_to_orig_start_index + [-1] * (
            max_length - len(tok_to_orig_start_index))
        tok_to_orig_end_index = tok_to_orig_end_index + [-1] * (
            max_length - len(tok_to_orig_end_index))

    token_ids = tokenizer.convert_tokens_to_ids(tokens)

    return InputFeature(
        input_ids=np.array(token_ids),
        seq_len=np.array(seq_len),
        tok_to_orig_start_index=np.array(tok_to_orig_start_index),
        tok_to_orig_end_index=np.array(tok_to_orig_end_index),
        labels=np.array(labels), )

构造多标签样本id