.. | ||
ner | ||
train | ||
build-docker.sh | ||
count.py | ||
Dockerfile | ||
modelinfo.sh | ||
README.md |
Diplomový projekt 2 2020
- vytvorenie a spustenie docker kontajneru
./build-docker.sh
winpty docker run --name prodigy -it -p 8080:8080 -v C://Users/jakub/Desktop/annotation-master/annotation/work prodigy bash
Spustenie anotačnej schémy
dataminer.csv
články stiahnuté z wikicd ner
./01_text_to_sent.sh
spustenie skriptu text_to_sent.py, ktorý rozdelí články na jednotlivé vety./02_ner_manual.sh
spustenie manuálneho anotačného procesu pre NER./03_export.sh
exportovanie anotovaných dát vo formáte json potrebnom pre spracovanie vo spacy. Možnosť rozdelenia na trénovacie (70%) a testovacie dáta (30%) (--eval-split 0.3). Pozn. aby --eval-split fungoval správne, je potrebné v inštalácii prodigy (cestu zistíme pomocou 'prodigy stats') v súbore recipes/train.py upraviť funkciu data_to_spacy (mal by byť riadok 327). V novej verzii by to malo byť opravené. Do riadku treba pridať parameter eval_split. 'json_data, eval_data, split = train_eval_split(json_data, eval_split)'
Štatistika o anotovaných dátach
prodigy stats wikiart
- informácie o počte prijatých a odmietnutých článkovpython3 count.py
- informácie o počte jednotlivých entít
Trénovanie modelu
Založené na: https://git.kemt.fei.tuke.sk/dano/spacy-skmodel