yangxg/CCKS-2018-NER

CCKS 2018 面向中文电子病历的命名实体识别

运行流程：

@Author zhoukaiyin

任务描述

本任务由清华大学知识工程实验室及医渡云（北京）技术有限公司联合主办，是CCKS 2017 CNER评测的改进和完善。在专业医生团队的指导和参与下，从临床应用的具体实际出发，在全新的电子病历数据上构建标注质量更高，更具有挑战性的医疗实体识别任务。它是围绕中文电子病历语义化开展的一系列评测竞赛中的第一步，为后续即将推出的医疗实体结构化，医疗实体标准化以及医疗实体关系抽取等任务打下坚实基础。 本评测任务为面向中文电子病历的命名实体识别，即对于给定的一组电子病历纯文本文档，任务的目标是识别并抽取出与医学临床相关的实体提及（entity mention），并将它们归类到预先定义好的类别（pre-defined categories），比如症状，药品，手术等。

第一步：数据处理

$python raw2bio.py -1 #将训练数据分词并贴上字典特征

$python raw2bio.py -2 #将标签数据分词并贴上标签

$python raw2bio.py -3 #将标签保存成pickle文件为了后面将训练数据与标签合在一起

$python raw2bio.py -4 #将标签与训练数据文本接起来构成如下格式

$python raw2bio.py -1 test #将测试数据处理成需要的格式

第二部：模型训练

$bash wapiti_ccks.sh #训练模型，模型储存在/eval/bio_ccks中

第三部分：获得结果

$python get_result.py #提取结果文件，结果保存在CCKS_result中其格式为BIO和finall中格式为官方标签格式

$python onefile.py #将结果转成提交格式

结果文件

Flyon\CCKS_CRF\eval\result.txt

Wapiti is a simple and fast discriminative sequence labeling toolkit ( http://wapiti.limsi.fr )。A little same as CRF++