文本实体关系抽取数据集上传
更新时间：2022-05-06
在【数据总览】页面，可以看到自己创建的空数据集项目，选中数据集名称，点击对应项目中导入操作。您可以在文本实体关系分类任务的数据集中，上传带有标注信息的数据，和无标注信息的数据。
在数据导入方式选择本地数据集，根据您已有的数据存储格式，选择上传格式，目前对未标注数据提供了三种上传方式，对已标注数据仅提供了一种上传方式，
未标注数据上传方式：
- 压缩包方式
- txt文件
- Excel文件
以下分别详细介绍以上三种上传方式：
以压缩包方式上传
- 压缩包内每一个txt文件为一个样本，文本文件编码须为UTF-8，每个样本字符数不得超过512个字符（包括汉字、数字、符号等），超出将被截断
- 压缩包的格式为zip；压缩包最大不超过5G；详见数据样例
以txt文件上传
- 文本实体关系抽取数据txt文件中，每一行为一个样本，文本文件的编码格式须为UTF-8，每个样本字符数不得超过512个字符（包括汉字、数字、符号等），超出将被截断，详见数据样例。
以Excel文件上传
- 如果您上传的文本实体关系抽取数据未Excel文件，那么要求您的Excel文件每行为一个样本，每个样本字符数不得超过512个字符（包括汉字、数字、符号等），超出将被截断。注意，表头作为首行将被系统忽略。
- 文件格式支持xlsx格式，单次可上传100个文件，详见数据样例。
已标注数据上传方式：
针对已标注的文本实体关系抽取数据集上传目前本平台仅支持Excel文件格式上传。
以Excel文件导入
- 要求上传的Excel文件，首行为表头，表头表示每一列代表的数据类型，依次为“文本内容、实体关系1、实体关系2、..”。其中实体关系内格式为：{实体1位置,实体1类别},{实体2位置,实体2类别},实体关系。每个标注内均以英文逗号间隔，且内容顺序不可变。详见数据样例。
- 第二行起每行为一个样本，每个样本文本内容字符数不得超过512个字符（包括汉字、符号、数字等），超出将报错；
- 目前Excel文件格式支持xlsx格式，单次可上传100个文件；文本样例如下。
| 文本内容 | 实体关系1 |
|---|---|
| 今年年初，党中央、国务院根据国内外经济形势的变化，及时作出扩大内需、保持经济持续快速增长的重大决策。 | {[5,7],ORG},{[9,11],ORG},lead |