用BML实现文本实体抽取：以简历信息抽取为例

文本实体抽取简介

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！

文本实体抽取是一项重要的自然语言处理任务，主要是实现对文本进行内容抽取，并识别为自定义的实体类别。

例如：对内容中的关键实体进行识别和抽取，如金融研报信息识别，法律案件文书实体抽取，医疗病例实体抽取等多种应用场景。

下文中将以简历信息抽取为例，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文本实体抽取模型。

简历信息抽取任务简介：
AI简历分析可以帮助HR在海量简历中迅速准确地找到和JD匹配的候选人，在各大招聘网站、各大公司的简历筛选过程中都有着广泛的应用。其中，简历信息抽取任务是简历分析的基础任务之一。

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。
数据可参考：简历信息抽取。
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：

• 可支持Excel上传，Excel文件内首行为表头，每行为一个样本。
• 每个样本字符数不得超过10000个字符（约5000个字），超出将被截断。
• 文件格式支持xlsx格式，单次可上传100个文件。

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模式，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。

选择训练类型为文本实体抽取，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。