NLP 实体序列标注错位的问题

[Ryan906k9]

Paddle 2.0 Paddlehub 2.0.0 Paddlenlp 2.0.0rc2 name='ernie_tiny', version='2.0.1', task='token-cls',

使用自定义数据集进行实体标注的 finetune，训练已经收敛，但是预测的时候会发现很多错位的问题 比如：

Text:
右肝肿瘤4个，大于1cm，MVI分级：M2级。 
Lable: 
B-Tloc, I-Tloc, O, O, B-Tnum, I-Tnum, O, O, O, O, O, O, O, O, O, O, O, O, O, B-MVI, I-MVI, I-MVI, O 

Text:
2、（右肝肿瘤，癌栓4个，大于1cm，MVI分级：M2级。 
Lable: 
O, O, O, B-Tloc, I-Tloc, O, O, O, O, O, O, B-Tnum, I-Tnum, O, O, O, O, O, O, O, O, O, O, O, O, O, B-MVI, I-MVI, I-MVI 

上面这个例子中，正确的应该是： B-Tnum, I-Tnum 对应 “4个” B-MVI, I-MVI, I-MVI 对应 M2级

但是有时候会错位，变成： B-Tnum, I-Tnum 对应 “个，” B-MVI, I-MVI, I-MVI 对应 “2级。”

训练集检查过都没有问题，训练也f1接近95%以上了，请问出现这种情况有可能是什么原因？

[KPatr1ck]

你好，想问下你训练和预测用到的数据集，是否已经按照了下面的教程添加： https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.0/docs/docs_ch/tutorial/how_to_load_data.md#五序列标注数据集

方便的话把训练和预测的脚本也发一下。

[Ryan906k9]

你好，想问下你训练和预测用到的数据集，是否已经按照了下面的教程添加： https://github.com/PaddlePaddle/PaddleHub/blob/release/v2.0/docs/docs_ch/tutorial/how_to_load_data.md#五序列标注数据集

方便的话把训练和预测的脚本也发一下。

直接用的 demo 里面的训练和预测脚本（PaddleHub/demo/sequence_labeling/），然后我按照MSRA_NER数据集的形式制作了训练和测试数据，直接替换掉了原来的数据集