ace2005 数据集预处理方法，oneie与JMEE方式

在事件抽取研究中，一般常用的数据集有ace2005和tac等，ace2005是最常用的数据集，它的文件众多格式复杂，通常论文使用两种格式进行预处理，即

ONEIE 和JMEE ，并涉及数据划分方式的差异 以及保存的格式的差异。

下面来说下具体处理程序及方法:

oneIE ： 原始论文为 A Joint Neural Model for Information Extraction with Global Features

处理程序下载： BLENDER Lab | Software

编写本文时为0.48版本，可以下载最新的。

处理程序为 preprocess下的process_ace.py , 处理命令行为：

注意要切换当前 目录到 oneie的根目录，如 ooneie-0.48

ACE_DATA_FOLDER=<ACE_PATH>   #改为实际的ace的目录
mkdir -p data/ace05-EN
python preprocessing/process_ace.py -i ${ACE_DATA_FOLDER}/data -o data/ace05-EN -s resource/splits/ACE05-E -b bert-large-cased -l english
wc -l data/ace05-EN/*

将里面的-i 后面的路径改为你的ace数据集路径即可，要指向ace下的data目录，-o 后面的是输出 目录，自己创建一个并修改为你创建的路径。

不要问我怎么得到的ace数据集。。。。

JMEE方式，论文为 Jointly Multiple Events Extraction via Attention-based Graph Information Aggregation

处理程序 及教程

(1条消息) ACE2005 英文语料预处理_Big Watermonster~的博客-CSDN博客

亲自测试的结果与上文相符