训练好的中文模型预测

[DuBaiSheng]

训练好的中文模型预测是不是有问题，给的样例预测结果都是错的。

[shibing624]

哪个case错误了？

[DuBaiSheng]

哪个case错误了？

就是王宏来自北京那个。 我刚下载了模型，然后跑的结果是这个。。

[shibing624]

https://huggingface.co/spaces/shibing624/nerpy

[DuBaiSheng]

https://huggingface.co/spaces/shibing624/nerpy

就很奇怪，你的这个链接我测试是对的，但是在huggingface 下载的shibing624/bertspan4ner-base-chinese 这个模型预测就有问题，我一开始以为是标签不对应，我看了代码里面的标签，也试了也不对。而且同一句话模型每次预测结果都不一样。

[shibing624]

标签是有顺序的，不要随机加。

[DuBaiSheng]

标签是有顺序的，不要随机加。

这个我知道，我下了bert4ner-base-chinese 这个模型，这个模型是正常结果。但是bertspan4ner-base-chinese 不对，这个模型的标签序列是什么呢

[shibing624]

看下config文件

[stale[bot]]

This issue has been automatically marked as stale because it has not had recent activity. It will be closed if no further activity occurs. Thank you for your contributions.(由于长期不活动，机器人自动关闭此问题，如果需要欢迎提问)

[vux979]

您好， { "architectures": [ "BertSpanForTokenClassification" ], "attention_probs_dropout_prob": 0.1, "classifier_dropout": null, "directionality": "bidi", "hidden_act": "gelu", "hidden_dropout_prob": 0.1, "hidden_size": 768, "id2label": { "0": "O", "1": "TIME", "2": "PER", "3": "LOC", "4": "ORG" },

这是bertspan4ner-base-chinese模型配置文件的前面部分，用到的标识符缺少B-I-这样seqeval包对输出标签的组合就有问题了，没有办法按照predictions的标签很好的组合entities。而且predictions的预测结果也是有问题的。

比如我输入这样一段话“王军于2020年毕业于武汉大学，并就职于大同市政府”，bertspan4ner-base-chinese模型的predictions是[{'王': 'ORG'}, {'军': 'O'}, {'于': 'O'}, {'2': 'PER'}, {'0': 'PER'}, {'2': 'PER'}, {'0': 'PER'}, {'年': 'LOC'}, {'毕': 'O'}, {'业': 'PER'}, {'于': 'PER'}, {'武': 'ORG'}, {'汉': 'PER'}, {'大': 'PER'}, {'学': 'O'}, {'，': 'O'}, {'并': 'O'}, {'就': 'PER'}, {'职': 'TIME'}, {'于': 'TIME'}, {'大': 'PER'}, {'同': 'O'}, {'市': 'PER'}, {'政': 'PER'}, {'府': 'O'}]。但是这句话您的bert4ner-base-chinese模型就表现得很好。

可是您的readme中bertspan4ner-base-chinese的F1分数是更高的。

[shibing624]

bertspan4ner-base-chinese的label不同，按照我examples里面的示例写labels

[shibing624]

https://github.com/shibing624/nerpy/blob/main/nerpy/ner_model.py#L274C25-L274C25

[vux979]

非常感谢您的回复，是我model_type那里写错了，真是不好意思。模型效果很好。