创建任务

创建任务

1. 在 ML Bot 登陆页面，选择 点击开始。

2. 在选择 AI 功能页面，选择 命名实体识别。

3. 并且输入任务名称。 这里可以将任务名称设定为bosonnlp-1，并点击创建一个新任务。

准备数据

1. 在上传训练源文件中输入目标检测数据在S3存储桶中的URI，例如这里我们输入 s3://ml-bot-exampledata-<aws-account-id>/samples/bosonnlp/train.txt，请将<aws-account-id>替换为您的12位 AWS 账号ID。该文件夹下包含一个以CoNLL-2003格式存储的目标检测数据集。

目前支持2种数据格式：

格式1: BIO2 格式，例如

浙 X X I-PRODUCT
江 X X I-PRODUCT
在 X X I-PRODUCT
线 X X I-PRODUCT
杭 X X I-PRODUCT
州 X X I-PRODUCT
4 X X I-TIME
月 X X I-TIME
2 X X I-TIME
5 X X I-TIME
日 X X I-TIME
讯 X X O
( X X O
记 X X O
者 X X O
_ X X I-PERSON
施 X X I-PERSON
宇 X X I-PERSON
翔 X X I-PERSON
_ X X O
通 X X O
讯 X X O
员 X X O
_ X X O
方 X X I-PERSON
英 X X I-PERSON
) X X O
毒 X X O
贩 X X O
很 X X O
" X X O
时 X X O
髦 X X O
" X X O
, X X O
用 X X O
微 X X I-PRODUCT
信 X X I-PRODUCT
交 X X O
易 X X O
毒 X X O
品 X X O
。 X X O

格式2: inline标注格式，例如

{{product:浙江在线杭州}}{{time:4月25日}}讯（记者{{person: 施宇翔}} 通讯员 {{person:方英}}）毒贩很“时髦”，用{{product:微信}}交易毒品。

2. 点击导入数据。 至此，我们导入了一个初具规模的命名实体识别数据集。

训练模型

1. 当数据导入完毕后，点击开始训练模型。

2. 我们可以在右侧观察到从启动实例到模型完成的完整模型训练的进度。

验证模型

1. 为了快速验证模型训练的推理能力，我们在选择测试文本中输入

   3月23日，亚马逊发布了mlbot，陈良甫很高兴在北京给大家介绍mlbot的主要功能。
   

2. 在输入完成后，点击运行测试，获取推理结果。