deepke22/example/ner/regular

快速上手

环境依赖

python >= 3.7

• pytorch-transformers==1.2.0
• torch==1.2.0
• seqeval==0.0.5
• tqdm==4.31.1
• nltk==3.4.5

克隆代码

git clone git@github.com:zjunlp/DeepKE.git

使用pip安装

首先创建python虚拟环境，再进入虚拟环境

• 安装依赖：pip install -r requirements.txt

使用数据进行训练预测

• 存放数据：在data文件夹下存放数据集。主要有三个文件：

  • train.txt：存放训练数据集
  • valid.txt：存放验证数据集
  • test.txt：存放测试数据集

• 先进行训练，训练后的模型参数保存在out_ner文件夹中

  python run.py --data_dir=data/ --bert_model=bert-base-cased --task_name=ner --output_dir=out_ner --max_seq_length=128 --do_train --num_train_epochs 5 --do_eval --warmup_proportion=0.1
  

• 再进行预测

  • 执行以下命令运行示例python predict.py

  • 如果需要指定NER的文本，可以利用--text参数指定，如：

    python predict.py --text="It was one o'clock when we left Lauriston Gardens and Sherlock Holmes led me to Metropolitan Police Service.."
    

模型内容

BERT