用标注平台doccano进行NER标注

目录

登录

创建任务

导入数据集

添加标签

标注

导出结果

转换为bio

---

安装方法参考;doccano安装使用教程

进入doccano之后

登录

右上角登陆，右上角可以切换中文

创建任务

点左上角创建

选序列标注

导入数据集

数据集

导入

（文本每行是一句话，我随便找个水浒传的章节名写在上面为例）

导入成功如下所示 

添加标签

标签

标注

左上角开始标注

导出结果

标注完后导出

解压，admin.jsonl

转换为bio

def json2bio(fpath, output):
    with open(fpath, encoding='utf-8') as f:
        lines = f.readlines()
        for line in lines:  # '{"id":1,"text":"张天师祈禳瘟疫 洪太尉误走妖魔","label":[[0,3,"人物"],[3,5,"动作"],[8,11,"人物"],[11,13,"动作"]]}'
            annotations = json.loads(line)  # {"id":1,"text":"张天师祈禳瘟疫 洪太尉误走妖魔","label":[[0,3,"人物"],[3,5,"动作"],[8,11,"人物"],[11,13,"动作"]]}
            text = annotations['text'].replace('\n', ' ')  # '张天师祈禳瘟疫 洪太尉误走妖魔'
            all_words = list(
                text.replace(' ', ','))  # ['张', '天', '师', '祈', '禳', '瘟', '疫', ',', '洪', '太', '尉', '误', '走', '妖', '魔']
            all_label = ['O'] * len(all_words)
            for i in annotations['label']:  # [0, 3, '人物']
                b_location = i[0]  # 0
                e_location = i[1]  # 3
                label = i[2]  # '人物'
                all_label[b_location] = 'B-' + label
                if b_location != e_location:
                    for word in range(b_location + 1, e_location):
                        all_label[word] = 'I-' + label
            cur_line = 0
            # 写入文件
            toekn_label = zip(all_words, all_label)
            with open(output, 'a', encoding='utf-8') as f:
                for tl in toekn_label:
                    f.write(tl[0] + str(' ') + tl[1])
                    f.write('\n')
                    cur_line += 1
                    if cur_line == len(all_words):
                        f.write('\n')  # 空格间隔不同句子

转换为可以训练的bio格式的训练集

 接下来就可以用这个数据集训练了