欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  科技

搭建NER分类器——方法1(投票模型)

程序员文章站 2022-01-09 09:52:18
Method1_Majority_Voting1 # 导入数据并初始化数据集见评论区输出2 预定义数据结构输出3 投票模型代码4 数据预处理输出5 模型预测输出1 # 导入数据并初始化数据集见评论区import pandas as pdimport numpy as np# 导入数据初始化data = pd.read_csv('ner_dataset.csv', encoding='latin1' )data = data.fillna(method='ffill')data.tail(...

1 导入数据并初始化

数据集见评论区

import pandas as pd
import numpy as np

# 导入数据初始化
data = pd.read_csv('ner_dataset.csv', encoding='latin1' )

data = data.fillna(method='ffill')
data.tail(10)

输出

搭建NER分类器——方法1(投票模型)

2 预定义数据结构

# 预定义数据结构
words = list(set(data['Word'].values)) # 单词表
print(words[:50]) 

n_words = len(words) # 查看单词总个数
n_words

输出

搭建NER分类器——方法1(投票模型)

3 投票模型代码

from sklearn.base import BaseEstimator, TransformerMixin

class MajorityVotingTagger(BaseEstimator, TransformerMixin):
    
    def fit(self, X, y):
        """
        x: list of words
        y: list of tags
        """
        word2cnt = {}
        tags = []
        
        for x, t in zip(X, y):
            if t not in tags:
                tags.append(t)
                
            if x in word2cnt:
                if t in word2cnt[x]:
                    word2cnt[x][t] += 1
                else:
                    word2cnt[x][t] = 1
            else:
                word2cnt[x] = {t: 1}
        
        self.mjvote = {}
        
        for k, d in word2cnt.items(): 
            #  k    :  d,      d
            # Indian: {B_gpe: 4, B_geo:1, ...}
            # 每个单词有哪些实体标签,{单词1:{实体名称1:次数, 实体名称2:次数}, 单词2:{实体名称1:次数, 实体名称2:次数}}
            self.mjvote[k] = max(d, key=d.get) # 取次数最多的实体名称
            
    def predict(self, X, y = None):
        """
        预测内存中的标签, 如果单词是未知的,则预测为O
        """
        return [self.mjvote.get(x, 'O') for x in X]            

4 数据预处理

words = data['Word'].values.tolist()
tags = data['Tag'].values.tolist()
print(words[:10], tags[:10], sep = '\n')

输出

搭建NER分类器——方法1(投票模型)

5 模型预测

from sklearn.model_selection import cross_val_predict
from sklearn.metrics import classification_report

# 交叉验证
pred = cross_val_predict(estimator = MajorityVotingTagger(), X = words, y = tags, cv = 5)

# 计算验证报告
report = classification_report(y_pred = pred, y_true = tags)
print(report)

输出

搭建NER分类器——方法1(投票模型)

本文地址:https://blog.csdn.net/qq_37150711/article/details/107676293