细粒度实体分类¶

这篇文档主要介绍了细粒度实体分类算法的输入、输出以及各算法支持的参数配置。

细粒度实体分类接口¶

class oknlp.typing.BaseTyping¶

__call__(sents: List[Tuple[str, Tuple[int, int]]]) → List[List[Tuple[str, float]]]¶

参数: sents -- 输入的列表，其中每一项由一个二元组组成，分别表示 “输入的句子”和“实体位置”。实体位置由一个左闭右开区间的二元组表示。
返回: 返回一个和输入列表长度相同的列表，其中每一项表示对应输入的细粒度实体分类结果。

实际案例

>>> import oknlp
>>> typing = oknlp.typing.get_by_name()
>>> typing([("3月15日,北方多地正遭遇近10年来强度最大、影响范围最广的沙尘暴。", (30, 33))])
[[('object', 0.26066625118255615), ('event', 0.9411928653717041)]]

细粒度实体分类实现¶

BERT¶

class oknlp.typing.BertTyping¶

基于BERT的细粒度实体分类算法

参数

device (str) -- 运行模型设备的名称，例如："cuda:1"，"cpu"。
batch_size (int) -- 模型单次推理最大的batch size，默认会根据硬件资源自动设置。
num_preprocess (int) -- 预处理函数进程数，默认为一个自动设置的不超过4的值。
num_postprocess (int) -- 后处理函数进程数，默认为一个自动设置的不超过4的值。
max_queue_size (int) -- 最大调用队列长度，默认为1024.
multiprocessing_context -- 多进程上下文，默认优先使用"fork"方式。

Name

bert

示例

oknlp.typing.get_by_name("bert")