pytorch_bert_event_extraction
基于pytorch+bert的中文事件抽取，主要思想是QA（问答）。
要预先下载好chinese-roberta-wwm-ext模型，并在运行时指定模型的位置。
已经训练好的模型：放在checkpoints下
链接：https://pan.baidu.com/s/1b5cqkjRH4uejO5h_587oGw
提取码：funk
流程
1、data下面有precoss.py和processor.py，主要是先对数据进行预处理，得到事件类型，事件里面的具体属性，并存储相关文件到final_data下；
2、preprocess.py，处理数据为QA格式，例如：
‘[CLS]找出和组织关系-裁员相关的属性[SEP]消失的“外企光环”，5月份在华裁员900余人，香饽饽变“臭”了[SEP]’，具体可以去看logs下的preprocess.log。最后将数据保存为pickle备用
3、dataset.py，处理数据为Pytorch所需的格式；
4、main.py，运行的主函数，可以训练、验证、测试和预测；
依赖
pytorch=1.6.0
transformers
seqeval
运行代码
python main.py \
--bert_dir="../../model_hub/hfl_chinese-roberta-wwm-ext/" \
--data_dir="./data/" \
--log_dir="./logs/" \
--output_dir="./checkpoints/" \
--num_tags=218 \
--seed=123 \
--gpu_ids="0" \
--max_seq_len=320 \
--lr=2e-5 \
--other_lr=2e-4 \
--train_batch_size=32 \
--train_epochs=10 \
--eval_batch_size=32
结果
训练和验证
......
2021-08-31 16:38:23,869 - INFO - main.py - train - 85 - [train] epoch:9/10 step:4347/4350 loss:0.066313
2021-08-31 16:38:24,477 - INFO - main.py - train - 85 - [train] epoch:9/10 step:4348/4350 loss:0.103122
2021-08-31 16:38:24,995 - INFO - main.py - train - 85 - [train] epoch:9/10 step:4349/4350 loss:0.074958
2021-08-31 16:38:38,645 - INFO - main.py - train - 90 - [dev] loss:0.100371 accuracy:0.9099 precision:0.7113 recall:0.6757 f1:0.6931
2021-08-31 16:38:38,645 - INFO - trainUtils.py - save_model - 61 - Saving model checkpoint to ./checkpoints/bertMrc-4350
测试
load_model_and_parallel - 87 - Load ckpt from ./checkpoints/bertMrc-4350/model.pt
2021-08-31 16:43:51,259 - INFO - trainUtils.py - load_model_and_parallel - 97 - Use single gpu in: ['0']
2021-08-31 16:44:06,747 - INFO - main.py - test - 199 - [test] accuracy:0.9098661028893587 precision:0.7113103847266415 recall:0.6757350920582578 f1:0.6930665163472379
2021-08-31 16:44:06,747 - INFO - main.py - test - 200 - precision recall f1-score support
交往_会见_会见主体 0.86 0.86 0.86 14
交往_会见_会见对象 0.69 0.75 0.72 12
交往_会见_地点 1.00 0.75 0.86 4
交往_会见_时间 0.71 0.83 0.77 6
交往_感谢_时间 0.00 0.00 0.00 6
交往_感谢_致谢人 0.67 0.25 0.36 8
交往_感谢_被感谢人 0.14 0.20 0.17 5
交往_探班_探班主体 0.89 0.73 0.80 11
交往_探班_探班对象 1.00 0.44 0.62 9
交往_探班_时间 0.00 0.00 0.00 1
交往_点赞_时间 0.00 0.00 0.00 1
交往_点赞_点赞对象 0.60 0.60 0.60 10
交往_点赞_点赞方 0.88 1.00 0.93 7
交往_道歉_时间 0.00 0.00 0.00 6
交往_道歉_道歉对象 0.00 0.00 0.00 4
交往_道歉_道歉者 0.46 0.61 0.52 18
产品行为_上映_上映影视 0.80 0.78 0.79 36
产品行为_上映_上映方 0.00 0.00 0.00 1
产品行为_上映_时间 0.67 0.89 0.76 18
产品行为_下架_下架产品 0.48 0.53 0.50 19
产品行为_下架_下架方 0.58 0.70 0.64 10
产品行为_下架_时间 0.50 0.50 0.50 2
产品行为_下架_被下架方 0.00 0.00 0.00 4
产品行为_发布_发布产品 0.67 0.71 0.69 175
产品行为_发布_发布方 0.81 0.78 0.80 83
产品行为_发布_时间 0.72 0.97 0.83 65
产品行为_召回_召回内容 0.68 0.62 0.65 34
产品行为_召回_召回方 0.86 0.86 0.86 29
产品行为_召回_时间 0.71 0.50 0.59 10
产品行为_获奖_奖项 0.85 0.79 0.81 14
产品行为_获奖_时间 0.67 0.50 0.57 4
产品行为_获奖_获奖人 0.62 0.67 0.64 12
人生_产子/女_产子者 0.82 0.93 0.87 15
人生_产子/女_出生者 0.00 0.00 0.00 5
人生_产子/女_时间 0.50 0.33 0.40 3
人生_出轨_出轨对象 0.00 0.00 0.00 1
人生_出轨_出轨方 0.75 0.75 0.75 4
人生_分手_分手双方 0.93 0.77 0.84 35
人生_失联_地点 0.62 0.62 0.62 8
人生_失联_失联者 0.75 0.33 0.46 9
人生_失联_时间 1.00 0.50 0.67 4
人生_婚礼_参礼人员 0.00 0.00 0.00 1
人生_婚礼_地点 0.00 0.00 0.00 2
人生_婚礼_时间 1.00 0.50 0.67 2
人生_婚礼_结婚双方 0.25 0.50 0.33 6
人生_庆生_庆祝方 0.25 0.08 0.12 13
人生_庆生_时间 1.00 1.00 1.00 6
人生_庆生_生日方 0.78 0.82 0.80 17
人生_庆生_生日方年龄 0.86 1.00 0.92 6
人生_怀孕_怀孕者 0.67 0.50 0.57 8
人生_怀孕_时间 0.00 0.00 0.00 2
人生_死亡_地点 0.60 0.65 0.62 37
人生_死亡_时间 0.70 0.78 0.74 36
人生_死亡_死者 0.70 0.63 0.66 76
人生_死亡_死者年龄 0.88 0.81 0.84 26
人生_求婚_时间 0.00 0.00 0.00 2
人生_求婚_求婚对象 0.75 0.90 0.82 10
人生_求婚_求婚者 1.00 0.62 0.77 8
人生_离婚_时间 0.57 0.67 0.62 6
人生_离婚_离婚双方 0.70 0.79 0.74 66
人生_结婚_时间 0.80 0.67 0.73 12
人生_结婚_结婚双方 0.73 0.77 0.75 73
人生_订婚_时间 0.00 0.00 0.00 1
人生_订婚_订婚主体 0.25 0.36 0.30 11
司法行为_举报_举报发起方 1.00 0.88 0.93 8
司法行为_举报_举报对象 0.75 0.55 0.63 11
司法行为_举报_时间 0.00 0.00 0.00 4
司法行为_入狱_入狱者 0.90 0.90 0.90 21
司法行为_入狱_刑期 0.48 0.69 0.56 16
司法行为_入狱_时间 0.00 0.00 0.00 3
司法行为_开庭_开庭案件 0.85 0.79 0.81 14
司法行为_开庭_开庭法院 1.00 1.00 1.00 8
司法行为_开庭_时间 0.78 0.88 0.82 8
司法行为_拘捕_拘捕者 0.79 0.89 0.84 47
司法行为_拘捕_时间 0.58 0.83 0.68 23
司法行为_拘捕_被拘捕者 0.71 0.76 0.73 86
司法行为_立案_时间 0.67 1.00 0.80 2
司法行为_立案_立案对象 0.38 0.33 0.35 9
司法行为_立案_立案机构 0.88 0.88 0.88 8
司法行为_约谈_时间 0.80 0.86 0.83 14
司法行为_约谈_约谈发起方 0.83 0.96 0.89 26
司法行为_约谈_约谈对象 0.87 0.84 0.86 32
司法行为_罚款_执法机构 0.64 0.94 0.76 17
司法行为_罚款_时间 0.89 0.62 0.73 13
司法行为_罚款_罚款对象 0.64 0.68 0.66 31
司法行为_罚款_罚款金额 0.76 0.97 0.85 29
司法行为_起诉_原告 0.93 0.65 0.76 20
司法行为_起诉_时间 0.67 0.33 0.44 6
司法行为_起诉_被告 0.71 0.71 0.71 24
灾害/意外_地震_受伤人数 0.00 0.00 0.00 3
灾害/意外_地震_时间 0.78 0.93 0.85 15
灾害/意外_地震_死亡人数 0.00 0.00 0.00 4
灾害/意外_地震_震中 0.00 0.00 0.00 5
灾害/意外_地震_震源深度 0.00 0.00 0.00 6
灾害/意外_地震_震级 0.89 0.89 0.89 19
灾害/意外_坍/垮塌_受伤人数 0.00 0.00 0.00 2
灾害/意外_坍/垮塌_坍塌主体 0.64 0.64 0.64 11
灾害/意外_坍/垮塌_时间 0.75 0.75 0.75 4
灾害/意外_坍/垮塌_死亡人数 0.00 0.00 0.00 7
灾害/意外_坠机_地点 1.00 0.78 0.88 9
灾害/意外_坠机_时间 1.00 0.75 0.86 8
灾害/意外_坠机_死亡人数 1.00 0.25 0.40 4
灾害/意外_洪灾_地点 1.00 0.50 0.67 4
灾害/意外_洪灾_时间 0.00 0.00 0.00 3
灾害/意外_洪灾_死亡人数 0.00 0.00 0.00 1
灾害/意外_爆炸_受伤人数 0.00 0.00 0.00 7
灾害/意外_爆炸_地点 0.78 0.88 0.82 8
灾害/意外_爆炸_时间 1.00 1.00 1.00 3
灾害/意外_爆炸_死亡人数 0.00 0.00 0.00 2
灾害/意外_袭击_受伤人数 0.00 0.00 0.00 2
灾害/意外_袭击_地点 0.60 0.30 0.40 10
灾害/意外_袭击_时间 0.71 0.71 0.71 7
灾害/意外_袭击_死亡人数 0.50 0.67 0.57 3
灾害/意外_袭击_袭击对象 0.00 0.00 0.00 5
灾害/意外_袭击_袭击者 0.80 0.44 0.57 9
灾害/意外_起火_受伤人数 0.00 0.00 0.00 2
灾害/意外_起火_地点 0.65 0.80 0.71 25
灾害/意外_起火_时间 0.73 0.79 0.76 14
灾害/意外_起火_死亡人数 0.00 0.00 0.00 3
灾害/意外_车祸_受伤人数 0.00 0.00 0.00 7
灾害/意外_车祸_地点 0.80 0.91 0.85 22
灾害/意外_车祸_时间 0.67 0.76 0.71 21
灾害/意外_车祸_死亡人数 0.00 0.00 0.00 6
竞赛行为_夺冠_冠军 0.79 0.71 0.75 65
竞赛行为_夺冠_夺冠赛事 0.65 0.60 0.62 47
竞赛行为_夺冠_时间 0.94 0.73 0.82 22
竞赛行为_晋级_时间 0.38 0.43 0.40 7
竞赛行为_晋级_晋级方 0.61 0.64 0.62 36
竞赛行为_晋级_晋级赛事 0.50 0.50 0.50 20
竞赛行为_禁赛_时间 0.00 0.00 0.00 4
竞赛行为_禁赛_禁赛时长 0.82 0.90 0.86 10
竞赛行为_禁赛_禁赛机构 0.86 0.75 0.80 8
竞赛行为_禁赛_被禁赛人员 0.61 0.65 0.63 17
竞赛行为_胜负_时间 0.63 0.70 0.66 89
竞赛行为_胜负_胜者 0.75 0.66 0.70 244
竞赛行为_胜负_败者 0.72 0.68 0.70 232
竞赛行为_胜负_赛事名称 0.57 0.59 0.58 158
竞赛行为_退役_退役者 0.88 0.94 0.91 16
竞赛行为_退赛_时间 0.00 0.00 0.00 1
竞赛行为_退赛_退赛方 0.89 0.94 0.92 18
竞赛行为_退赛_退赛赛事 0.56 0.62 0.59 8
组织关系_停职_停职人员 0.50 0.56 0.53 9
组织关系_停职_所属组织 0.00 0.00 0.00 3
组织关系_停职_时间 0.00 0.00 0.00 2
组织关系_加盟_加盟者 0.62 0.72 0.67 54
组织关系_加盟_所加盟组织 0.89 0.67 0.76 51
组织关系_加盟_时间 0.90 0.82 0.86 11
组织关系_裁员_时间 0.00 0.00 0.00 5
组织关系_裁员_裁员人数 0.62 0.56 0.59 9
组织关系_裁员_裁员方 0.76 0.89 0.82 18
组织关系_解散_时间 0.00 0.00 0.00 3
组织关系_解散_解散方 0.64 0.70 0.67 10
组织关系_解约_被解约方 0.20 0.33 0.25 3
组织关系_解约_解约方 1.00 0.20 0.33 5
组织关系_解雇_时间 0.00 0.00 0.00 2
组织关系_解雇_被解雇人员 0.83 0.83 0.83 12
组织关系_解雇_解雇方 0.57 0.44 0.50 9
组织关系_辞/离职_原所属组织 0.73 0.69 0.71 59
组织关系_辞/离职_时间 0.63 0.55 0.59 22
组织关系_辞/离职_离职者 0.71 0.64 0.67 50
组织关系_退出_原所属组织 0.90 0.90 0.90 20
组织关系_退出_时间 0.33 1.00 0.50 1
组织关系_退出_退出方 0.82 0.86 0.84 21
组织行为_开幕_地点 0.88 0.91 0.89 23
组织行为_开幕_时间 0.88 1.00 0.93 21
组织行为_开幕_活动名称 0.64 0.72 0.68 32
组织行为_游行_地点 0.86 0.75 0.80 8
组织行为_游行_时间 0.00 0.00 0.00 4
组织行为_游行_游行人数 0.00 0.00 0.00 5
组织行为_游行_游行组织 0.00 0.00 0.00 2
组织行为_罢工_所属组织 0.60 0.43 0.50 7
组织行为_罢工_时间 0.00 0.00 0.00 2
组织行为_罢工_罢工人员 0.00 0.00 0.00 2
组织行为_罢工_罢工人数 0.00 0.00 0.00 1
组织行为_闭幕_地点 0.00 0.00 0.00 1
组织行为_闭幕_时间 1.00 0.50 0.67 4
组织行为_闭幕_活动名称 0.50 0.86 0.63 7
财经/交易_上市_上市企业 0.38 0.38 0.38 8
财经/交易_上市_地点 0.00 0.00 0.00 6
财经/交易_上市_时间 1.00 1.00 1.00 3
财经/交易_出售/收购_交易物 0.57 0.63 0.60 19
财经/交易_出售/收购_出售价格 1.00 0.83 0.91 12
财经/交易_出售/收购_出售方 0.00 0.00 0.00 13
财经/交易_出售/收购_收购方 0.57 0.80 0.67 15
财经/交易_出售/收购_时间 0.67 1.00 0.80 4
财经/交易_加息_加息幅度 0.00 0.00 0.00 1
财经/交易_加息_加息机构 1.00 1.00 1.00 3
财经/交易_涨价_时间 0.00 0.00 0.00 1
财经/交易_涨价_涨价物 1.00 0.40 0.57 5
财经/交易_涨停_时间 0.57 0.50 0.53 8
财经/交易_涨停_涨停股票 0.73 0.66 0.69 29
财经/交易_融资_时间 0.60 0.60 0.60 5
财经/交易_融资_融资方 0.71 0.75 0.73 16
财经/交易_融资_融资轮次 0.71 0.71 0.71 14
财经/交易_融资_融资金额 0.92 0.92 0.92 13
财经/交易_融资_跟投方 0.00 0.00 0.00 9
财经/交易_融资_领投方 0.00 0.00 0.00 11
财经/交易_跌停_时间 0.75 0.60 0.67 10
财经/交易_跌停_跌停股票 0.87 1.00 0.93 13
财经/交易_降价_时间 0.00 0.00 0.00 2
财经/交易_降价_降价幅度 0.00 0.00 0.00 6
财经/交易_降价_降价方 0.00 0.00 0.00 3
财经/交易_降价_降价物 0.43 0.30 0.35 10
财经/交易_降息_时间 0.00 0.00 0.00 3
财经/交易_降息_降息幅度 0.00 0.00 0.00 3
财经/交易_降息_降息机构 0.50 0.50 0.50 4
micro avg 0.71 0.68 0.69 3639
macro avg 0.53 0.50 0.50 3639
weighted avg 0.68 0.68 0.67 3639
预测
2021-08-31 16:44:07,038 - INFO - trainUtils.py - load_model_and_parallel - 97 - Use single gpu in: ['0']
2021-08-31 16:44:07,043 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,044 - INFO - main.py - <module> - 308 - 文本：北京时间19日凌晨，美国联邦储备委员会宣布，将联邦基金利率目标区间下调25个基点到1.75%至2%的水平。美联储年内的第二次降息，影响全球金融市场，中国货币政策将走势如何？
2021-08-31 16:44:07,044 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,081 - INFO - main.py - predict - 237 - [('财经/交易_降息_降息机构', '美联储', 53, 55)]
2021-08-31 16:44:07,082 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,082 - INFO - main.py - <module> - 308 - 文本：8月2日，2019ChinaJoy正式开幕，科大讯飞旗下A.I.家族产品组团亮相，包括讯飞翻译机3.0、讯飞听见M1、讯飞输入法，在ChinaJoy现场带来了出色的互动体验。
2021-08-31 16:44:07,082 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,115 - INFO - main.py - predict - 237 - [('组织行为_开幕_时间', '8月2日', 0, 3), ('组织行为_开幕_活动名称', '2019ChinaJoy', 5, 16)]
2021-08-31 16:44:07,115 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,115 - INFO - main.py - <module> - 308 - 文本：8月2日，2019ChinaJoy正式开幕，科大讯飞旗下A.I.家族产品组团亮相，包括讯飞翻译机3.0、讯飞听见M1、讯飞输入法，在ChinaJoy现场带来了出色的互动体验。
2021-08-31 16:44:07,116 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,148 - INFO - main.py - predict - 237 - [('产品行为_发布_时间', '8月2日', 0, 3), ('产品行为_发布_发布产品', '科大讯飞旗下A.I.家族产品组团亮相，包括', 22, 42), ('产品行为_发布_发布产品', '讯飞翻译机3.0', 43, 50), ('产品行为_发布_发布产品', '讯飞听见M1', 52, 57), ('产品行为_发布_发布产品', '讯飞输入法', 59, 63)]
2021-08-31 16:44:07,149 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,149 - INFO - main.py - <module> - 308 - 文本：技嘉连发三款X299X主板：迎接十代发烧酷睿X
2021-08-31 16:44:07,149 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,182 - INFO - main.py - predict - 237 - [('产品行为_发布_发布方', '技嘉', 0, 1), ('产品行为_发布_发布产品', '三款X299X主板', 4, 12)]
2021-08-31 16:44:07,183 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,183 - INFO - main.py - <module> - 308 - 文本：#体坛日日谈#今日，西乙拉斯帕尔马斯队官方宣布，北京国安外援比埃拉租借加盟球队，租期至2019年12月31日，并将在之后回归国安。随后国安俱乐部也发布比埃拉租借离队的官方公告。
2021-08-31 16:44:07,183 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,216 - INFO - main.py - predict - 237 - [('组织关系_加盟_时间', '今日', 7, 8), ('组织关系_加盟_所加盟组织', '西乙拉斯帕尔马斯队', 10, 18), ('组织关系_加盟_加盟者', '北京国安外援比埃拉', 24, 32)]
2021-08-31 16:44:07,217 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,217 - INFO - main.py - <module> - 308 - 文本：5月15日上午，中国国家主席习近平在亚洲文明对话大会开幕式上发表主旨演讲。
2021-08-31 16:44:07,217 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,250 - INFO - main.py - predict - 237 - [('组织行为_开幕_时间', '5月15日上午', 0, 6), ('组织行为_开幕_活动名称', '亚洲文明对话大会', 18, 25)]
2021-08-31 16:44:07,251 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,251 - INFO - main.py - <module> - 308 - 文本：华为海外新机海报，宣布华为将于10月17日发布一款全新的手机产品，而且从海报上的手机剪影来看，可能会采用全新的屏幕设计。
2021-08-31 16:44:07,251 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,283 - INFO - main.py - predict - 237 - [('产品行为_发布_发布方', '华为', 11, 12), ('产品行为_发布_时间', '10月17日', 15, 20), ('产品行为_发布_发布产品', '一款全新的手机产品', 23, 31)]
2021-08-31 16:44:07,284 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,284 - INFO - main.py - <module> - 308 - 文本：为规范网络订餐经营行为，7月17日，涞源县局集中约谈“美团”“饿了么”“涞源外卖”3家网络订餐第三方平台负责人。
2021-08-31 16:44:07,284 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,318 - INFO - main.py - predict - 237 - [('司法行为_约谈_时间', '7月17日', 12, 16), ('司法行为_约谈_约谈发起方', '涞源县局', 18, 21), ('司法行为_约谈_约谈对象', '“美团”“饿了么”“涞源外卖”3家网络订餐第三方平台负责人', 26, 54)]
2021-08-31 16:44:07,319 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,319 - INFO - main.py - <module> - 308 - 文本：《等着我》洛阳警察辞职找女儿二十多年，团圆时女儿已在农村结婚
2021-08-31 16:44:07,319 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,352 - INFO - main.py - predict - 237 - [('组织关系_辞/离职_离职者', '洛阳警察', 5, 8)]
2021-08-31 16:44:07,353 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,353 - INFO - main.py - <module> - 308 - 文本：因为一部和梁朝伟合作的电影，让汤唯坐上了“过山车”，一时间名声大振，却因种种原因备受争议，乃至汤唯一度跑去国外躲避清净，随后汤唯结婚生子，沉寂几年后，汤唯靠着《地球最后的夜晚》再次回到荧幕之中，网友惊奇地发现，汤唯竟说着一口流利的英语回归了！
2021-08-31 16:44:07,353 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,386 - INFO - main.py - predict - 237 - [('人生_结婚_结婚双方', '汤唯', 62, 63)]
2021-08-31 16:44:07,387 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,387 - INFO - main.py - <module> - 308 - 文本：因为一部和梁朝伟合作的电影，让汤唯坐上了“过山车”，一时间名声大振，却因种种原因备受争议，乃至汤唯一度跑去国外躲避清净，随后汤唯结婚生子，沉寂几年后，汤唯靠着《地球最后的夜晚》再次回到荧幕之中，网友惊奇地发现，汤唯竟说着一口流利的英语回归了！
2021-08-31 16:44:07,387 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,419 - INFO - main.py - predict - 237 - [('人生_产子/女_产子者', '汤唯', 62, 63)]
2021-08-31 16:44:07,420 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,420 - INFO - main.py - <module> - 308 - 文本：2019年5月10日18时10分，永平县博南镇糖果厂后山突发森林火灾，火情发生后，永平县立即启动森林火灾扑救预案，县委、政府领导靠前指挥，组织扑火力量206人参与扑救。
2021-08-31 16:44:07,421 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,453 - INFO - main.py - predict - 237 - [('灾害/意外_起火_时间', '2019年5月10日18时10分', 0, 15), ('灾害/意外_起火_地点', '永平县博南镇糖果厂后山', 17, 27), ('灾害/意外_起火_地点', '森林', 30, 31)]
2021-08-31 16:44:07,454 - INFO - main.py - <module> - 307 - ====================================
2021-08-31 16:44:07,454 - INFO - main.py - <module> - 308 - 文本：2019年5月10日18时10分，永平县博南镇糖果厂后山突发森林火灾，火情发生后，永平县立即启动森林火灾扑救预案，县委、政府领导靠前指挥，组织扑火力量206人参与扑救。
2021-08-31 16:44:07,454 - INFO - main.py - <module> - 309 - 预测值：
2021-08-31 16:44:07,487 - INFO - main.py - predict - 237 - [('灾害/意外_起火_时间', '2019年5月10日18时10分', 0, 15), ('灾害/意外_起火_地点', '永平县博南镇糖果厂后山', 17, 27), ('灾害/意外_起火_地点', '森林', 30, 31)]
讲在最后
- 还是有一定的效果的，但是有些类别的效果很差，可能是该类数据量太少；
- 要预先知道文本是属于哪一个事件，这里可以先对文本进行多标签分类，然后得到分类结果，再构建QA进行推断；多标签分类可以去查看另一个仓库：pytorch_bert_multi_classification
