上一篇文章，我们介绍了brat的安装和配置，当成功安装和配置好了brat，我们就可以进行文本标注了。
首先，在brat项目的data目录下新建一个project目录，然后在brat项目的主目录下找到以下文件，复制到project目录：
- 主目录：/var/www/html/brat
- project目录：/var/www/html/brat/data/project
- 要复制的文件：
我们来看一下这几个文件分别是做什么的。
- annotation.conf
这个是配置文件，内容如下：
[entities] # Definition of entities. # Format is a simple list with one type per line. 时间 地点 人名 组织名 公司名 产品名
- visual.conf
这也是配置文件，可以配置不同的类别用不同的颜色显示，找到如下段落，更新内容：
[drawing] 时间 bgColor:yellow 地点 bgColor:blue, fgColor:white 人名 bgColor:deepskyblue 组织名 bgColor:green, fgColor:white 公司名 bgColor:purple, fgColor:white 产品名 bgColor:pink
- mayun.txt
这是我们要标注的原文件，里面的内容片段如下（这里已经根据句号进行过分句处理，是因为不希望每个训练样本太长，建议控制在500字符内）：
1964年9月10日，马云出生在杭州。 幼年的马云在人们的眼中是典型的坏孩子：叛逆、倔强、爱打架、逞强、顽皮淘气。 马云的父亲虽然是典型的江南人，但脾气却很火暴，马云从小在父亲拳脚下长大。 马云是看金庸的武侠小说长大的，行侠仗义、打抱不平的“侠义”情结在少年马云的内心深处早已生根、萌芽。
mayun.ann是一个空文件，使用brat对mayun.txt的标注结果，会记录在ann文件中。
- T1,T2所在的列，表示标注的类型和序号，比如如果是标注的实体间的关系会用R表示，这里因为只讨论命名实体，不涉及实体间的关系，所以只要知道这个T表示什么就可以了；
- 人名，公司名所在列表示标注词汇的实体类别；
- 第三、四列是标注词汇在整个txt中的起始和(结束索引+1)
- 最后一列是就是标注的词汇列
标注完成后，我们就有了mayun.txt和mayun.ann两个对应的文件。关于如何使用这两个文件，将在下一篇《用深度学习做命名实体识别(四)：模型训练》中介绍。
ok，本篇就这么多内容啦~，感谢阅读O(∩_∩)O，88~
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/231412.html原文链接：https://javaforall.net
