用深度學習做命名實體識別(三)：文字資料標註過程
阿新 • • 發佈：2019-09-07
上一篇文章，我們介紹了brat的安裝和配置，當成功安裝和配置好了brat，我們就可以進行文字標註了。
首先，在brat專案的data目錄下新建一個project目錄，然後在brat專案的主目錄下找到以下檔案，複製到project目錄：
-
主目錄：/var/www/html/brat
-
project目錄：/var/www/html/brat/data/project
-
要複製的檔案：
我們來看一下這幾個檔案分別是做什麼的。
- annotation.conf
這個是配置檔案，內容如下：
[entities] # Definition of entities. # Format is a simple list with one type per line. 時間 地點 人名 組織名 公司名 產品名
- visual.conf
這也是配置檔案，可以配置不同的類別用不同的顏色顯示，找到如下段落，更新內容：
[drawing] 時間 bgColor:yellow 地點 bgColor:blue, fgColor:white 人名 bgColor:deepskyblue 組織名 bgColor:green, fgColor:white 公司名 bgColor:purple, fgColor:white 產品名 bgColor:pink
- mayun.txt
這是我們要標註的原檔案，裡面的內容片段如下（這裡已經根據句號進行過分句處理，是因為不希望每個訓練樣本太長，建議控制在500字元內）：
1964年9月10日，馬雲出生在杭州。 幼年的馬雲在人們的眼中是典型的壞孩子：叛逆、倔強、愛打架、逞強、頑皮淘氣。 馬雲的父親雖然是典型的江南人，但脾氣卻很火暴，馬雲從小在父親拳腳下長大。 馬雲是看金庸的武俠小說長大的，行俠仗義、打抱不平的“俠義”情結在少年馬雲的內心深處早已生根、萌芽。
mayun.ann是一個空檔案，使用brat對mayun.txt的標註結果，會記錄在ann檔案中。
此時我們通過瀏覽器訪問brat專案介面，開啟project目錄下的mayun.txt檔案(記得要先登入)，看到的介面如下：
然後我們選擇目標實體，比如“馬雲”，進行實體類別標註，效果如下：
此時，你可以邀請其他人用他們的帳號登入brat，也開啟這個txt，和你一起標註。
標註之後，再看看ann檔案內容，如下：
- T1,T2所在的列，表示標註的型別和序號，比如如果是標註的實體間的關係會用R表示，這裡因為只討論命名實體，不涉及實體間的關係，所以只要知道這個T表示什麼就可以了；
- 人名，公司名所在列表示標註詞彙的實體類別；
- 第三、四列是標註詞彙在整個txt中的起始和(結束索引+1)
- 最後一列是就是標註的詞彙列
標註完成後，我們就有了mayun.txt和mayun.ann兩個對應的檔案。關於如何使用這兩個檔案，將在下一篇《用深度學習做命名實體識別(四)：模型訓練》中介紹。
ok，本篇就這麼多內容啦~，感謝閱讀O(∩_∩)O，88~
&n