模型训练

完成了数据集的构建，就可以开始模型的训练了。回到创建的项目，切换至“模型中心”并点击“创建模型”。

进入创建模型后，通过自学习平台，您无需关心任何模型的实现细节，只要选择相应的模型就可以开始训练。首先请填入模型的名称。在模型类型处，您可以选择“关系抽取PCNN”、“关系抽取Bert”、“关系抽取BertNoise”或“关系抽取StrcutBERT-split”。详见“模型说明”一章。

系统默认会选择“关系抽取PCNN” 模型。点击添加训练数据的按钮，可以找到您已经标注或上传好的数据集。至此，您就可以点击提交，模型将会自动开始训练。

在模型完成初始化后，自动进入模型训练阶段。点击“查看”，可以进入模型详情页面，查看训练日志和具体的评测指标。

我们提供了精确率（Precision），召回率（Recall），F1值作为实体抽取的评测指标。这三个值得取自范围都在 0~1 之间。简单来说，这三个值越大说明模型的性能越好。

精确率（Precision）：对某一类别而言为正确预测为该类别的样本数与预测为该类别的总样本数之比。对于整体而言为正确预测的样本数与预测的总样本数之比。

召回率（Recall）：对某一类别而言为正确预测为该类别的样本数与该类别的总样本数之比，对于整体而言为正确预测的样本数与所有类别的总样本数之比。

F1值：为精确率和召回率的调和平均数。