純文字註解檔

對於純文字註釋，您可以建立包含註釋清單的逗號分隔值 (CSV) 檔案。如果您的訓練檔案輸入格式是每行一個文件，則 CSV 檔案必須包含下列欄。

檔案	折線圖	開始偏移	終點偏移	Type
包含文件的檔案名稱。例如，如果其中一個文件檔案位於s3://my-S3-bucket/test-files/documents.txt，則File欄中的值將為documents.txt。您必須包含檔案副檔名 (在本例中為 '.txt') 做為檔案名稱的一部分。	包含圖元的行號。如果您的輸入格式是每個檔案一個文件，請省略此欄。	顯示實體開始位置的輸入文字中的字元偏移量 (相對於行的開頭)。第一個字元位於 0 的位置。	顯示實體結束位置的輸入文字中的字元偏移量。	客戶定義的實體類型。實體類型必須是大寫、下劃線分隔的字串。我們建議使用描述性實體類型MANAGER，例如SENIOR_MANAGER、或PRODUCT_CODE。每個模型最多可訓練 25 個實體類型。

如果訓練檔案輸入格式是每個檔案一個文件，則省略行號欄，而「開始位移」(Begin Offset) 和「結束」(End) 位移值是實體從文件開頭算起的偏移量。

下列範例適用於每行一個文件。檔案documents.txt包含四行 (列 0、1、2 和 3)：

Diego Ramirez is an engineer in the high tech industry.
Emilio Johnson has been an engineer for 14 years.
J Doe is a judge on the Washington Supreme Court.
Our latest new employee, Mateo Jackson, has been a manager in the industry for 4 years.        

包含註釋清單的 CSV 檔案如下所示：

File, Line, Begin Offset, End Offset, Type
documents.txt, 0, 0, 13, ENGINEER
documents.txt, 1, 0, 14, ENGINEER
documents.txt, 3, 25, 38, MANAGER  

注意

在註釋檔案中，包含圖元的行號以 0 行開始。在此範例中，CSV 檔案不包含第 2 行的項目，因為第 2 行中沒有實體documents.txt。

建立您的資料檔案

請務必將註解放在正確設定的 CSV 檔案中，以降低發生錯誤的風險。若要手動設定 CSV 檔案，必須符合下列條件：

• UTF-8 編碼必須明確指定，即使在大多數情況下將其用作默認編碼也是如此。

• 第一行包含欄標題：File, Line (選擇性)、Begin Offset、End Offset、Type。

我們強烈建議您以程式設計方式產生 CSV 輸入檔案，以避免潛在的問題。

下列範例會使用 Python 為先前顯示的註解產生 CSV：

import csv 
with open("./annotations/annotations.csv", "w", encoding="utf-8") as csv_file:
    csv_writer = csv.writer(csv_file)
    csv_writer.writerow(["File", "Line", "Begin Offset", "End Offset", "Type"])
    csv_writer.writerow(["documents.txt", 0, 0, 11, "ENGINEER"])
    csv_writer.writerow(["documents.txt", 1, 0, 5, "ENGINEER"])
    csv_writer.writerow(["documents.txt", 3, 25, 30, "MANAGER"])