一、项目步骤

1、读取数据集

数据集共三个文件，训练集，交叉测试集和测试集，文件中每一行包含两个元素，字和标识，每一句话间由一个空格隔开。

2、处理数据集

更新数据集中的标签【BIO转为BIOSE体系】

• 单独的： B-LOC→S-LOC;
• 两个的：B-LOC,I-LOC→B-LOC,E-LOC;
• 三个的：B-LOC,I-LOC,I-LOC→B-LOC, I-LOC, E-LOC;
• …

给每个char和tag分配一个id，得到一个包含所有字的字典dict，以及char_to_id, id_to_char, tag_to_id, id_to_tag, 将其存在map.pkl中。

3、准备训练数据

• 将训练集中的每句话变成4个list；
• 第一个list是字，如[今，天，去，北，京]；
• 第二个list是char_to_id [3,5,6,8,9]；
• 第三个list是通过jieba分词得到的分词信息特征，如[1,3,0,1,3] （1，词的开 始，2，词的中间&#