Python 米特纳模型

我一直在探索使用经过训练的MITIE模型进行命名实体提取。我是否可以查看他们的实际ner模型，而不是使用预训练模型？该模型是开源的吗

设置设置：

对于初学者，您可以下载 包含一个名为 总单词特征提取程序.dat

之后，从他们的 官方Git

如果您正在运行Windows O.S，请下载

如果您正在运行基于x64的Windows O.S，请安装Visual Studio 2015社区版的C++编译器。< /P> 下载完以上内容后，将所有内容解压缩到一个文件夹中

从“开始”>“所有应用程序”>“Visual Studio”打开VS 2015的开发者命令提示符，并导航到“工具”文件夹，您将在其中看到5个子文件夹

下一步是通过在VisualStudioDeveloper命令提示符中使用以下Cmake命令来构建ner_conll、ner_stream、train_freebase_relationship_detector和wordrep包

大概是这样的：

{
  "AnnotatedTextList": [
    {
      "text": "I want to travel from New Delhi to Bangalore tomorrow.",
      "entities": [
        {
          "type": "FromCity",
          "startPos": 5,
          "length": 2
        },
        {
          "type": "ToCity",
          "startPos": 8,
          "length": 1
        },
        {
          "type": "TimeOfTravel",
          "startPos": 9,
          "length": 1
        }
      ]
    }
  ]
}

对于ner_conll：

cd "C:\Users\xyz\Documents\MITIE-master\tools\ner_conll"

i）

mkdir构建

ii）

cd构建

iii）

cmake-G“Visual Studio 14 2015 Win64”。

iv）

cmake——构建--配置发布--目标安装

对于ner_流：

cd "C:\Users\xyz\Documents\MITIE-master\tools\ner_stream"

i）

mkdir构建

ii）

cd构建

iii）

cmake-G“Visual Studio 14 2015 Win64”。

iv）

cmake——构建--配置发布--目标安装

对于序列自由基关系检测器：

cd "C:\Users\xyz\Documents\MITIE-master\tools\train_freebase_relation_detector"

i）

mkdir构建

ii）

cd构建

iii）

cmake-G“Visual Studio 14 2015 Win64”。

iv）

cmake——构建--配置发布--目标安装

对于wordrep：

cd "C:\Users\xyz\Documents\MITIE-master\tools\wordrep"

i）

mkdir构建

ii）

cd构建

iii）

cmake-G“Visual Studio 14 2015 Win64”。

iv）

cmake——构建--配置发布--目标安装

构建它们后，您将收到大约150-160条警告，不用担心

现在，导航到

“C:\Users\xyz\Documents\MITIE master\examples\cpp\train\u ner”

使用Visual Studio代码创建JSON文件“data.JSON”以手动注释文本，如下所示：

{
  "AnnotatedTextList": [
    {
      "text": "I want to travel from New Delhi to Bangalore tomorrow.",
      "entities": [
        {
          "type": "FromCity",
          "startPos": 5,
          "length": 2
        },
        {
          "type": "ToCity",
          "startPos": 8,
          "length": 1
        },
        {
          "type": "TimeOfTravel",
          "startPos": 9,
          "length": 1
        }
      ]
    }
  ]
}

您可以添加更多的语句并对其进行注释，训练数据越多，预测精度越好

这种带注释的JSON也可以通过jQuery或Angular等前端工具创建。但为了简洁起见，我手工制作了它们

现在，解析带注释的JSON文件并将其传递给ner_training_实例的add_entity方法

<>但是C++不支持反序列化JSON，这就是为什么你可以使用这个库。从他们的Git页面下载包，并将其放在

“C:\Users\xyz\Documents\MITIE master\mitielib\include\MITIE”下

现在我们必须自定义train_ner_example.cpp文件，以便解析带注释的自定义实体JSON并将其传递给MITIE进行训练

#include "mitie\rapidjson\document.h"
#include "mitie\ner_trainer.h"

#include <iostream>
#include <vector>
#include <list>
#include <tuple>
#include <string>
#include <map>
#include <sstream>
#include <fstream>

using namespace mitie;
using namespace dlib;
using namespace std;
using namespace rapidjson;

string ReadJSONFile(string FilePath)
{
    ifstream file(FilePath);
    string test;
    cout << "path: " << FilePath;
    try
    {
        std::stringstream buffer;
        buffer << file.rdbuf();
        test = buffer.str();
        cout << test;
        return test;
    }
    catch (exception &e)
    {
        throw std::exception(e.what());
    }
}

//Helper function to tokenize a string based on multiple delimiters such as ,.;:- or whitspace
std::vector<string> SplitStringIntoMultipleParameters(string input, string delimiter)
{
    std::stringstream stringStream(input);
    std::string line;

    std::vector<string> TokenizedStringVector;

    while (std::getline(stringStream, line))
    {
        size_t prev = 0, pos;
        while ((pos = line.find_first_of(delimiter, prev)) != string::npos)
        {
            if (pos > prev)
                TokenizedStringVector.push_back(line.substr(prev, pos - prev));
            prev = pos + 1;
        }
        if (prev < line.length())
            TokenizedStringVector.push_back(line.substr(prev, string::npos));
    }
    return TokenizedStringVector;
}

//Parse the JSON and store into appropriate C++ containers to process it.
std::map<string, list<tuple<string, int, int>>> FindUtteranceTuple(string stringifiedJSONFromFile)
{
    Document document;
    cout << "stringifiedjson : " << stringifiedJSONFromFile;
    document.Parse(stringifiedJSONFromFile.c_str());

    const Value& a = document["AnnotatedTextList"];
    assert(a.IsArray());

    std::map<string, list<tuple<string, int, int>>> annotatedUtterancesMap;

    for (int outerIndex = 0; outerIndex < a.Size(); outerIndex++)
    {
        assert(a[outerIndex].IsObject());
        assert(a[outerIndex]["entities"].IsArray());
        const Value &entitiesArray = a[outerIndex]["entities"];

        list<tuple<string, int, int>> entitiesTuple;

        for (int innerIndex = 0; innerIndex < entitiesArray.Size(); innerIndex++)
        {
            entitiesTuple.push_back(make_tuple(entitiesArray[innerIndex]["type"].GetString(), entitiesArray[innerIndex]["startPos"].GetInt(), entitiesArray[innerIndex]["length"].GetInt()));
        }

        annotatedUtterancesMap.insert(pair<string, list<tuple<string, int, int>>>(a[outerIndex]["text"].GetString(), entitiesTuple));
    }

    return annotatedUtterancesMap;
}

int main(int argc, char **argv)
{

    try {

        if (argc != 3)
        {
            cout << "You must give the path to the MITIE English total_word_feature_extractor.dat file." << endl;
            cout << "So run this program with a command like: " << endl;
            cout << "./train_ner_example ../../../MITIE-models/english/total_word_feature_extractor.dat" << endl;
            return 1;
        }

        else
        {
            string filePath = argv[2];
            string stringifiedJSONFromFile = ReadJSONFile(filePath);

            map<string, list<tuple<string, int, int>>> annotatedUtterancesMap = FindUtteranceTuple(stringifiedJSONFromFile);


            std::vector<string> tokenizedUtterances;
            ner_trainer trainer(argv[1]);

            for each (auto item in annotatedUtterancesMap)
            {
                tokenizedUtterances = SplitStringIntoMultipleParameters(item.first, " ");
                mitie::ner_training_instance *currentInstance = new mitie::ner_training_instance(tokenizedUtterances);
                for each (auto entity in item.second)
                {
                    currentInstance -> add_entity(get<1>(entity), get<2>(entity), get<0>(entity).c_str());
                }
                // trainingInstancesList.push_back(currentInstance);
                trainer.add(*currentInstance);
                delete currentInstance;
            }


            trainer.set_num_threads(4);

            named_entity_extractor ner = trainer.train();

            serialize("new_ner_model.dat") << "mitie::named_entity_extractor" << ner;

            const std::vector<std::string> tagstr = ner.get_tag_name_strings();
            cout << "The tagger supports " << tagstr.size() << " tags:" << endl;
            for (unsigned int i = 0; i < tagstr.size(); ++i)
                cout << "\t" << tagstr[i] << endl;
            return 0;
        }
    }

    catch (exception &e)
    {
        cerr << "Failed because: " << e.what();
    }
}