list(map(tokenizer.tokenize, text))

本文介绍如何使用tokenizer进行text2tokens处理,并通过实例演示如何将实体列表转化为token_spans,重点在于subtokenizer与raw_text的对比与实际应用中的复原技巧。

这个用法比较重要,可以做subtokenizer和raw_text的对比和复原

text2tokens = self.tokenizer.tokenize(text, add_special_tokens=self.add_special_tokens)
text_ = text.split(' ')
subwords = list(map(tokenizer.tokenize, text_))

class Preprocessor(object):
def init(self, tokenizer):
super(Preprocessor, self).init()
self.tokenizer = tokenizer
self.add_special_tokens = True

def get_ent2token_spans(self, text, entity_list):
    """实体列表转为token_spans

    Args:
        text (str): 原始文本
        entity_list (list): [(start, end, ent_type),(start, end, ent_type)...]
    """
    ent2token_spans = []

    inputs = self.tokenizer(text, add_special_tokens=True, return_offsets_mapping=True)
    token2char_span_mapping = inputs["offset_mapping"]
    text2tokens = self.tokenizer.tokenize(text, add_special_tokens=self.add_special_tokens)
    text_ = text.split(' ')
    subwords = list(map(tokenizer.tokenize, text_))
    toks, index = get_index(text2tokens)
    for en_span in entity_list:
        if en_span[0]!=0:
            subh = sum([len(i) for i in subwords[:(en_span[0] )]])
            subt = sum([len(i) for i in subwords[:(en_span[0]+1)]])
        else:
            subh = sum([len(i) for i in subwords[:(en_span[0] )]])
            subt = sum([len(i) for i in subwords[:(en_span[0]+1)]])
        if en_span[1]!=0:
            objh = sum([len(i) for i in subwords[:(en_span[1])]])
            objt = sum([len(i) for i in subwords[:(en_span[1]+1)]])
        else:
            objh = sum([len(i) for i in subwords[:(en_span[1] )]])
            objt = sum([len(i) for i in subwords[:(en_span[1]+1)]])

        start_index = (subh + 1, subt + 1)
        end_index = (objh + 1, objt + 1)

        token_span = (start_index, end_index, en_span[2])
        ent2token_spans.append(token_span)

    return ent2token_spans
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

YJII

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值