前面介绍完 CasRel模型结构，接下来我们看一下数据集，然后做一个简单的预处理。因为是用 Bert 做分词，就省去了自己建词表的过程，只需要把关系解析出来，供后续流程使用，就可以了。
-
CasRel项目 P3 DuIE2.0数据集分析与关系表生成
-
CasRel项目 P2 模型结构详解与局限性分析
上节课，给大家整体介绍了项目要做的事情，就是从一段文本当中，找到主体、客体、和关系的三元组组合，因为 CasRel 这个模型，设计思路不是很常规，示意图的细节也容易混淆，所以我们单独用一节课时间，来拆解一下这个模型。
-
Pytorch BERT_CasRel_RE P1 实体关系抽取项目介绍
关系抽取，是信息检索、智能问答、智能对话等人工智能应用的重要基础，一直受到业界的广泛关注。目前NLP领域的主流研究方向，也在向知识图谱偏移。因为多音字、多义词，加上语境变化，单个字或者词的表征一定是片面的，发现实体之间的联系，往往比自身特征更重要。
-
TextCNN项目 P3 自定义Dataset和BertTokenizer分词
上节课，我们做了一个简单的数据预处理，通过观察直方图，定义好了文本的长度参数。现在，假设大家已经看了、并且掌握了前面 Huggingface 的内容，我们接着往下讲自定义 Dataset 和 Bert 分词的内容。
-
TextCNN项目 P2 训练数据导入和句子长度统计
上节课，给大家介绍了 TextCNN 的模型结构，这节课就正式进入代码部分。本节课有两个任务，一是导入数据集，二是要统计待分类的文本长度，因为 TextCNN 在卷积之后，要做批量最大池化操作，所以要求文本长度一致，不够的填充PAD，太长的要进行截取。
-
Pytorch BERT_TextCNN P1 新闻文本分类项目介绍
从本节课开始，我将带大家来完成一个《Bert+TextCNN新闻文本分类项目》。文本分类是自然语言处理最基础，也是最重要的任务之一，非常适合作为NLP入门的第一个项目。
-
HuggingFace系列 P3 BertTokenizer分词不可逆问题
上节课我们用一个中文句子，给大家演示了 Bert 预训练模型的基本用法。但有些场景下，文本内容可能是中英文混杂的，但目前还没有支持多语言的预训练模型。直接用中文模型进行编码，英文部分会变成[UNK]标记，从而导致BertTokenizer分词不可逆问题。
-
HuggingFace系列 P2 BertTokenizer分词和编码
上一节介绍了transformers的安装，和预训练模型的加载方法，本节我们结合一个例子，来介绍预训练模型的使用过程。使用 BERT 这个预训练模型，主要分为两步：BertTokenizer 进行分词，BertModel 编码。
-
HuggingFace系列 P1 社区简介及transformers安装
HuggingFace 是一家专注于自然语言处理（NLP）、人工智能和分布式系统的创业公司，该公司维护的 HuggingFace 的开源社区，是最大的开源模型托管服务的平台，相当于机器学习界的 Github。
-
GCN项目 P4 创建图结构并计算邻接矩阵
上一节用PaddleOCR提取出了，火车票图片的文字和位置信息，并手动打上了对应标签，本节我们将根据带标签的文件中的位置信息，创建一个图结构，并计算标准化的邻接矩阵。
-
GCN项目 P3 PaddleOCR识别火车票信息
从这节开始，就正式进入GCN项目的代码环节，我们先使用PaddleOCR，识别出火车票上的文字信息，并提取文字所位置，整理后另存为一个csv文件。项目的目的是要做信息抽取，所以对训练和测试数据，需要手动打上标签，供算法学习。
-
GCN项目 P2 图卷积神经网络介绍
深度学习一直都是被几大经典模型统治着，常见的有CNN、RNN网络，它们在CV和NLP领域都取得了优异的效果。但人们发现了很多CNN、RNN无法解决，或者效果不好的问题——图结构数据，所以就有了GNN网络。
-
Pytorch LSTM_GCN_IE P1 火车票识别项目
从本节开始，我将带大家完成一个深度学习项目：用图卷积神经网络(GCN)，实现一个「火车票文字信息提取」的项目，由于火车票上每个节点文字不是等长的，所以还需要添加一个前置的 LSTM 来提取句子特征。
-
NER项目 P8 CRF维特比解码和模型训练
前文已经定义好了 BiLSTM、Linear 层，最后还需要加一层 CRF，再结合维特比解码，输出目标值。另外一个重要的步骤，就是定义损失函数，CRF 解码后的损失计算，不同于分类任务的交叉熵损失，还需要考虑到顺序的问题。
-
NER项目 P7 定义BiLSTM模型
到上一节为止，我们已经处理好了模型需要的数据，本节就正式开始搭建模型了，模型的整体是 BiLSTM+CRF 结构，但 CRF 涉及到解码和特殊的损失值计算方法，所以本节先介绍 BiLSTM，下一小节再介绍 CRF 部分。
-
NER项目 P6 DataLoader句子填充PAD和MASK
经过上一步的处理，我们将长文本切分成了单句，但每个句子长度又不完全一样。在批处理时，要求每个batch的句子长度必须一致，所以我们需要填充 PAD，来保证句子每个batch的句子长度一样。
-
NER项目 P5 定义Dataset数据集和文本等长切分
经过前面的数据预处理操作，我们已经得到了训练样本、测试样本文件，以及词表和标签表的缓存文件，接下来就是定义Dataset类，来加载数据。另外在加载数据时，需要将文本切分为等长的句子。
-
NER项目 P4 生成词表和标签表缓存文件
拆分完训练集和测试集后，我们需要根据训练集，生成词表和标签表的缓存文件，供后面的流程调用。该表不仅要记录所有词和标签，还要对应一个不重复的ID，方便后续进行Embedding，即数字化。
-
NER项目 P3 拆分训练集和测试集
上一节已经生成了单个字和标注对应的文件，接下来就是将这些文件，拆分为训练集和测试集两部分。这里的拆分不单是文件选择的问题，还需要考虑后续加载数据集的问题。
-
NER项目 P2 解析文字和实体标签对应关系
主办方提供的数据是一些用brat标注的文件，.txt文件为原始文档，.ann文件为标注信息，标注实体以T开头，后接实体序号，实体类别，起始位置和实体对应的文档中的词。
