上节课介绍的课程内容里面,可能有一项内容大家比较关心,就是数据集。这个项目要用到的数据比较多,两个深度模型的训练,和知识图谱的构建,都需要用到数据。下面依次给大家介绍一下,这几个环节需要用到的数据。

数据集

1、实体识别

ChineseBLUE/cMedQANER

Github:https://github.com/alibaba-research/ChineseBLUE

内容不可见,请联系管理员开通权限。

整体的 f1-score:0.77,项目需要识别三类实体:desease - 0.85,drug - 0.63,symptom - 0.75,总体可用,

2、意图识别

CMID:https://github.com/IMU-MachineLearningSXD/CMID

内容不可见,请联系管理员开通权限。

CMID这份数据质量不高,类别也不能完全覆盖,这个项目定制的意图类别。所以,用ChatGPT自己生成训练语料,准确率1.0,还可以灵活扩展,无懈可击。

3、图谱数据

寻医问药 - 疾病百科:https://jib.xywy.com/

内容不可见,请联系管理员开通权限。

好的,关于这个课程的总体介绍,就给大家讲完了,后面课程就是带大家一步步的完成项目的功能,下一个章节就开始做实体识别的模型训练了。

本文链接:http://edu.ichenhua.cn/edu/note/631

版权声明:本文为「陈华编程」原创课程讲义,请给与知识创作者起码的尊重,未经许可不得传播或转售!