信息抽取培训标引.pdfVIP

主要配置文件说明

⚫\\DICT\\extdic\\信息抽取模板存放路径

1.ext.ini所有抽取模板的资源配置文件

2.\\field_name\\子文件夹表示抽取模板名称

3.\\field_name\\infocode.txt抽取字段配置文件

4.\\field_name\\class.gb

类属词典

5.\\field_name\\rule\\prename.txt预处理规则配置文件

6.\\field_name\\rule\\precode_1.txt识别结果规则配置文件

主要配置文件说明

1.ext.ini的配置说明

[EXTDIC_INFO]

SRC_FIELD_NUM=4//需要加载的抽取模板总数，与下面的[FIELD*]相对应

DEBUG_OUTPUT_ENABLED=TRUE//是否需要调试输出，允许的话，会生成2个调试文件帮助配置

[FIELD1]//配置分隔标志，FIELD*，*为不大于加载资源总数的递增自然数

SRC_FIELD_NAME=resume//资源名称，即field_name，也就是DICT/extdic/下的子文件夹的名称

SRC_FIELD_INFOTYPE_NUM=1//抽取信息类别总数，缺省为1

SRC_FIELD_DEFAULT_INFOTYPE=1//这个不用设置，默认即可

SRC_FIELD_DEFAULT_MAX_PATTERN_RULE_NUM=//默认文本块模式匹配规则数目上限，默认即可

SRC_FIELD_TYPE_SLOT_NUM_1=50//信息类别的抽取字段最大数目，一条记录包含多个字段。

SRC_FIELD_TYPE_RELATION_NUM_1=1000//信息类别的抽取关系最大数目，抽取多条记录

SRC_FIELD_DEFAULT_WRAPPER_THREHOLD=9999999//位置阈值，值越大则越倾向于抽靠前的，默认即可

SRC_FIELD_BACKDATE_ENABLED=FALSE//规则回溯开关，默认即可

SRC_FIELD_PLO_ENABLED=FALSE//命名实体识别开关，是否开启人名、地名、机构名识别

SRC_FIELD_DEFAULT_MATCH_TIME=10//规则匹配次数，默认即可

[FIELD2]

1.ext.ini的配置说明

SRC_FIELD_NUM=4增加或者删除信息抽取模板，需要修改该参数

[FIELD1]FIELD*需要递增，并且不超过SRC_FIELD_NUM的值

SRC_FIELD_NAME=resume保证当前下有“resume”该文件夹

SRC_FIELD_TYPE_SLOT_NUM_1=50抽取字段最大数目，即一条记录包含多个字段

SRC_FIELD_TYPE_RELATION_NUM_1=1000抽取关系最大数目，即抽取多条记录

SRC_FIELD_PLO_ENABLED=FALSE命名实体识别开关，是否开启人名、地名、机构名识别

举个例子，比如抽取“人名、机构名，以及人名和机构之间的对应关系”，即抽取字段是两个：人

名、机构名。但是一篇文本中可能包含很多组这种关系，所以是多条记录，需要设置成：

SRC_FIELD_TYPE_SLOT