项目目录

|—— models      # 存放模型目录 存放网页相关前端配置
|—— modules     # 存放自己封装的encoder
|—— out         
|—— bert-base-chinese 
|—— |—— bert-base-chinese.tar.gz # bert预训练参数
|—— |—— vocab.txt # bert词典库
|—— data        # 存放数据
|—— |—— Data.py
|—— |—— small #自己合并了实体类型的数据
|—— |——|—— json_data  
|—— |——|—— npy_data  
|—— |——|——|——train
|—— |——|——|——dev
|—— |——|——|——test1
|—— |——|——|——test2
|—— |——|—— origin_data  # 存放原始数据
|—— analysis_result.ipynb  # 用来分析错误结果
|—— checkpoints # 存放训练模型参数
|—— config.py     
|—— helpData.py # 数据预处理函数
|—— mian.py     # 主函数
|—— metrics.py  # 测评函数
|—— README.md

项目环境(主要环境)

• Ubuntu 16.04
• Pytorch 1.x
• Python 3.x # 运行方式
• 克隆项目

git clone https://github.com/Wangpeiyi9979/IE-Bert-CNN.git

• 准备数据
  • 在这里下载数据,提取码

    59fg

    。
  • 解压数据，放在

    data/small/origin_data/

    文件夹下
• 准备Bert预训练模型
  • 在这里下载, 提取码

    uolz

    。将下载后的压缩文件放在

    bert-base-chinese

    文件夹下
• 在data/small/目录下按项目结构中所示创建所需目录
• 回到主目录，执行

python helpData.py

• 开始训练

python main train

• 预测

  • 将config.py中的

    ckpt_path

    更改为训练后的模型地址. 执行：

    python main tofile --case=1
    

    预测结果存放在

    out

    文件夹下.

• 结果： f1:0.81(线上结果),线下约在0.76的样子。