读取IOB标注数据，并转化为BIO标注格式（一）

BIO标注方法和IOB标注方法是用于命名实体识别（Named Entity Recognition，NER）任务的常用标注方法。

BIO是一种简单直观的标注方法。在BIO标注中，每个词被标记为以下三个类别之一：

• B（Begin）：表示一个词块的开始，即一个实体的开始部分。
• I（Inside）：表示词块的内部，即实体的非起始部分。
• O（Outside）：表示不属于任何词块，即非实体部分。

• 苹果公司 B-ORG
• 的 O
• 创始人 O
• 是 O
• 史蒂夫 B-PER
• · I-PER
• 乔布斯 I-PER
• 。 O

而在IOB中，标签B仅用于两个连续的同类型命名实体的边界区分，不用于命名实体的起始位置。而I和O含义BIO方法相同。

上述例子中，IOB标注方法结果如下：

• 苹果公司 I-ORG
• 的 O
• 创始人 O
• 是 O
• 史蒂夫 I-PER
• · I-PER
• 乔布斯 I-PER
• 。 O

IOB因为缺少B-tag作为实体标注的头部表示，丢失了部分标注信息，导致很多任务上的效果不佳，因此出现了IOB-2，约定了所有命名实体均以B tag开头。这样IOB-2其实与BIO的标注方式是等价的。

由于大部分模型均以BIO方法标注训练，因此下面以一个示例代码展示如何将IOB数据标注修改为BIO数据。

---

首先使用一个循环来迭代IOB标记列表。我们首先将当前标记初始化为'O'，然后检查每个标记。

 bio_tags = []
 current_tag = 'O'

如果标记为'O'，我们直接将'O'添加到BIO标记列表中，并将当前标记更新为'O'。

   for iob_tag in labels:
       if iob_tag == 'O':
       bio_tags.append('O')
       current_tag = 'O'

如果标记不是'O'，我们使用split()函数将其拆分为实体类别（label）和标记（tag）。

else:
    label, tag = iob_tag.split('-')
                  

然后，我们检查当前标记是否与之前的标记相同。 如果不同，我们将'B-' + label作为开始标记添加到BIO标记列表中，并将当前标记更新为tag。 如果相同，我们将'I-' + label作为内部标记添加到BIO标记列表中。

 if tag != current_tag:
    bio_tags.append('B-' + tag)
    current_tag = tag
 else:
    bio_tags.append('I-' + tag)

最后，我们使用print()函数输出原始的IOB标记列表和转换后的BIO标记列表。

 print(bio_tags)   #新的BIO
 print(labels)     #旧的IOB

下期将以IOB标注的wikierNER数据集为例，做完整的数据集读取及BIO格式转化代码展示~

读取IOB标注数据，并转化为BIO标注格式（二）-CSDN博客