知识图谱问答系列文档（五）——从零开始搭建一个通用知识图谱问答【命名实体属性识别】

（五）命名实体属性识别

命名实体识别有多种方法，大多数问答系统只识别实体，本文使用bert4keras做实体、属性的识别，使用BIO数据标注方式，识别SENT、PROP、OENT（句子中的主谓宾）的模型，在测试集上达到了的f1值达到了99.5%，能够快速识别问题中的实体和属性。命名实体属性识别模型分为数据标注和训练两个部分，具体如下。

• 数据标注

  数据标注使用BIO数据标注，标注标签为：[‘O’,‘B-SENT’,‘I-SENT’,‘B-PROP’,‘I-PROP’,‘B-OENT’,‘I-OENT’]，B-SENT表示此元素属于SENT类型，且此元素在片段的开头，I-SENT表示此元素属于SENT类型，且此元素在片段的中间位置，O表示不属于任何类型。

  本文的标注样例如下：

  纯 B-SENT
  文 I-SENT
  学 I-SENT
  的 O
  标 B-PROP
  签 I-PROP
  名 O
  是 O
  啥 O
  ？ O

  维 B-SENT
  力 I-SENT
  医 I-SENT
  疗 I-SENT
  第 B-PROP
  一 I-PROP
  任 I-PROP
  董 I-PROP
  事 I-PROP
  长 I-PROP
  的 O
  上 B-PROP
  任 I-PROP
  时 I-PROP
  间 I-PROP
  ? O

  数据标注方法：本文未使用他人方法，自行根据数据格式编写程序实现数据标注，在此给出本文数据标注的部分程序（源程序太长，给出SPO类型数据标注代码）

  数据标注代码：

  import os
  import csv
  import re
  import random
  
  
  dir_path = os.getcwd()
  
  # 原数据
  sop_csv = dir_path + '/corpus/genBIOcsv/so_p.csv'
  
  # 要得到的训练集
  test_txt =open(dir_path + '/corpus/genBIOcsv/test_test.txt','w',encoding='utf-8') 
  train_txt = open(dir_path + '/corpus/genBIOcsv/train_test.txt','w',encoding='utf-8') 
  valid_txt = open(dir_path + '/corpus/genBIOcsv/valid_test.txt