准备训练数据

准备待标注的数据

准备待标注的训练数据，并保存至本地。数据格式为短文本txt格式，文件内容示例如下：

张三的生日是1990年1月1日，身高175cm，出生于北京。

李四，著名导演，毕业于电影学院，代表作有《电影1》、《电影2》。

... ...

定义三元组类型（schema）

为了训练自定义的信息抽取模型，需要定义该抽取模型能够抽取的三元组类型，并在训练数据中进行标注。

三元组是知识图谱构建的基本元组，三元组借鉴了语言学中主谓宾结构，语言学中一句话由主语（subject）、谓语（predicate）、宾语（object）组成，自然语言中的知识也可以建模为三个元素构成的组合格式，如“中国的首都是北京”这句话中，就有“中国-首都-北京”这样的三元组。

为了将三元组分类，我们定义三元组的类型由主语类型（subject type）、谓语（predicate）类型、宾语类型（object type），如上述三元组“中国-首都-北京”的类型是“国家-首都-城市”。通常我们将这些三元组类型组成的集合称为模型的schema。

标注数据

为了训练自定义的信息抽取模型，需要在训练数据中标注三元组类型。

您可以选择使用BRAT、MODELARTS或其他标注手段进行标注。

训练一个基本可用的模型，标注数据量总数需要大于模型版本配置中的“batch_size”，且需大于20*三元组类型数量。

上传至OBS

将用于训练模型的数据上传至OBS目录：

• 创建OBS桶和文件夹的操作指导请参见创建桶和新建文件夹。确保您使用的OBS目录与KG服务在同一区域，桶的存储类别为“标准存储”。
• 上传训练数据请参考上传文件。

后续操作

准备训练数据后，即可在KG服务上创建信息抽取模型，详情请见创建模型。