生物格式(技能、资格、经验)

Question

我有数据集(CSV格式)。

我的邮件目标是做命名实体识别和使用算法的今天的SOTA，例如，根据网站nlpprogress.com。

SOTA的一个存储库是：https://github.com/ZihanWangKi/CrossWeigh/tree/master

现在，根据我所看到的命名实体识别，我需要创建一个BIO文件格式。

我现在还没有。

我手中的是一个csv，它将字段划分为各自的标题。

问题是如何使用适当的标记来创建这样的数据集:B技能、i技能、B-EDU、I-EDU、B-EXP、I-EXP。

Answer 1

您需要手动注释输入文本的大示例，如下所示：

Irrelevant   O
information, O
Adaptable    B-Skill
to           I-Skill
stuff        I-Skill
,            O
Leadership   B-Skill
skills       I-Skill
...          O

但通常NER是针对非结构化文本的。因此，如果您认为CSV结构是可靠的，那么使用NER是没有意义的，因为您已经知道哪一种文本属于哪一类：“技能”栏中的所有内容都属于技能，“经验”中的所有内容都属于经验，等等。