用BML实现序列标注
目录
1.序列标注简介
2.平台入口
3.准备数据
3.1 数据规范
3.2 创建及导入数据集
4.训练模型
5.校验模型
6.部署模型
用BML实现序列标注：以快递单信息处理为例
序列标注简介
亲爱的开发者您好，欢迎使用百度BML全功能AI开发平台开启您的AI开发之旅！
序列标注（Sequence Tagging）是NLP中最基础的任务，应用十分广泛，如分词、词性标注（POS tagging）、命名实体识别（Named Entity Recognition，NER）、关键词抽取、语义角色标注（Semantic Role Labeling）、槽位抽取（Slot Filling）等实质上都属于序列标注的范畴。
序列标注问题可以认为是分类问题的一个推广，或者是更复杂的结构预测（structure prediction）问题的简单形式。序列标注问题的输入是一个观测序列，输出是一个标记序列或状态序列。问题的目标在于学习一个模型，使它能够对观测序列给出标记序列作为预测。
下文中将以快递单信息处理为例，分步骤向您详细介绍如何使用百度BML全功能AI开发平台开发您自己的序列标注模型。
快递单信息处理任务简介：
快递单信息处理主要是研究如何从用户提供的快递单中，抽取姓名、电话、省、市、区、详细地址等内容，形成结构化信息。辅助物流行业从业者进行有效信息的提取，从而降低客户填单的成本，在物流场景有着广泛的应用。
平台入口
BML全功能AI开发平台为企业及个人开发者提供机器学习和深度学习一站式AI开发服务，并提供高性价比的算力资源，助力企业快速构建高精度AI应用，进入官方网站点击【立即使用】。
准备数据
准备数据是AI模型开发的关键一环，训练数据的质量决定了训练所得模型效果可达到的上限。
本文采用快递单数据作为示例，数据链接：序列标注任务，如何从快递单中抽取关键信息。
下面来介绍数据规范与相关操作步骤。
数据规范
本地上传数据规范：
- 序列标注上传的是压缩包，压缩包内需包含txt或tsv格式的文本文件和标注为JSON格式的标签映射文件，编码仅支持UTF-8，单个文件最大可支持40MB。
- 标注数据格式要求为“文本内容\t标注结果\n”文本内容和标注结果都需要按字切分，每一行表示一组数据，每组数据的字符数建议不超过512个。
- 标签映射文件名须为”label_map.json“,标签映射文件的格式为：{"key":"value"}。
- 平台限免阶段每个账户最多支持100万条样本数据，超出后会被平台忽略。
创建及导入数据集
1、在官网界面点击【数据总览】，进入数据集操作界面。
2、进入创建数据集界面，选择好数据类型和标注类型等信息，点击完成。
3、数据集创建完成后，可以在数据总览界面看到刚才创建好的数据集ID。
4、点击【导入】，将自己要训练的数据集导入，如这里选择本地导入Excel文件方式导入数据集，点击添加文件，然后确认并返回，完成数据集的导入。
5、回到数据总览界面，可实时查看导入状态信息和标注状态，最终成功则显示已完成。
训练模型
BML上提供了预置模型调参、NoteBook建模、自定义作业三种开发模式，开发难度和开发的灵活性程度不一，分别满足不同水平和需求的开发者。
当前NLP方向仅支持使用者最多的预置模型调参，后续将陆续支持NoteBook建模、自定义作业开发模式。
本文将采用预置模型调参开发模式示意训练模型的基本步骤。
1、进入bml官方平台点击立即使用预置模型调参，点击【预置模型调参】-【自然语言处理模型】，进入操作台。
2、在模型列表下点击创建模型。
选择训练类型为序列标注，填写模型信息（名称、描述信息等）后，点击【创建】。
3、在模型列表下可看到所建模型信息，若平台已上传好数据集，则点击新建任务跳转至创建训练任务。
4、配置NLP分类训练任务。
之前已经建立好训练模型，现在开始配置NLP训练训练，点击【新建任务】。
在新建任务面板中，可查看相关项目“基本信息”、“配置任务类型”、“添加数据”、“配置网络”等操作，在添加任务时添加刚才数据集确定添加。
配置模型网络，选择显卡类型和是否启用分布式训练等。
配置好后，可提交训练任务开始训练。
5、训练完成。
等待训练过程，完成后显示训练完成，用户可查看训练时长，训练结果的评估报告等信息。
在评估报告中可查看本次训练过程的准确率，精确率等指标报告信息。
校验模型
启动模型校验。
用训练好的模型对输入的文本进行相似度校验。
部署模型
1、在模型管理中，可选择公有云和本地部署两种方式发布模型。
2、在模型部署中，用户按照自己情况填写信息完成模型部署。
