接受的自訂 NER 資料格式
如果您嘗試將資料匯入自訂 NER 中，資料必須採用特定格式。 如果沒有資料可匯入，您可以建立專案，並使用 Language Studio 來標記您的文件。
標籤檔案格式
標籤檔案應採用如下的 json 格式，才能用來將標籤匯入專案中。
{
"projectFileVersion": "2022-05-01",
"stringIndexType": "Utf16CodeUnit",
"metadata": {
"projectKind": "CustomEntityRecognition",
"storageInputContainerName": "{CONTAINER-NAME}",
"projectName": "{PROJECT-NAME}",
"multilingual": false,
"description": "Project-description",
"language": "en-us",
"settings": {}
},
"assets": {
"projectKind": "CustomEntityRecognition",
"entities": [
{
"category": "Entity1"
},
{
"category": "Entity2"
}
],
"documents": [
{
"location": "{DOCUMENT-NAME}",
"language": "{LANGUAGE-CODE}",
"dataset": "{DATASET}",
"entities": [
{
"regionOffset": 0,
"regionLength": 500,
"labels": [
{
"category": "Entity1",
"offset": 25,
"length": 10
},
{
"category": "Entity2",
"offset": 120,
"length": 8
}
]
}
]
},
{
"location": "{DOCUMENT-NAME}",
"language": "{LANGUAGE-CODE}",
"dataset": "{DATASET}",
"entities": [
{
"regionOffset": 0,
"regionLength": 100,
"labels": [
{
"category": "Entity2",
"offset": 20,
"length": 5
}
]
}
]
}
]
}
}
| 機碼 | 預留位置 | 值 | 範例 |
|---|---|---|---|
multilingual |
true |
布林值，可讓您在資料集中具有多種語言的文件，而且當部署模型時，您可以使用任何支援的語言 (不一定包含在定型文件中) 查詢模型。 若要深入了解多語系支援，請參閱語言支援。 | true |
projectName |
{PROJECT-NAME} |
專案名稱 | myproject |
| storageInputContainerName | {CONTAINER-NAME} |
容器名稱 | mycontainer |
entities |
陣列，其中包含您在專案中擁有的所有實體類型。 這些是從文件擷取到其中的實體類型。 | ||
documents |
陣列，其中包含專案中的所有文件，以及每個文件內標記的實體清單。 | }, | |
location |
{DOCUMENT-NAME} |
文件在儲存體容器中的位置。 因為所有文件都在容器的根目錄中，所以這應該是文件名稱。 | doc1.txt |
dataset |
{DATASET} |
此檔案在定型前分割時將會移至的測試集。 在這裡深入了解資料分割。 此欄位的可能值為 Train 和 Test。 |
Train |
regionOffset |
文字開頭的內含字元位置。 | 0 |
|
regionLength |
周框方塊的長度 (以 UTF16 字元為單位)。 訓練只會考慮此區域中的資料。 | 500 |
|
category |
與指定的文字範圍相關聯的實體類型。 | Entity1 |
|
offset |
實體文字的開始位置。 | 25 |
|
length |
實體的長度 (以 UTF16 字元為單位)。 | 20 |
|
language |
{LANGUAGE-CODE} |
字串，指定專案中所用文件的語言代碼。 如果您的專案是多語系專案，請選擇大部分文件的語言代碼。 若要進一步了解支援的語言代碼，請參閱語言支援。 | en-us |