如何基于法语等非英语语料训练AllenNLP SRL Bert模型？

问题1：数据集目录结构要求 #

• 不需要严格遵循Ontonotes官方的多层嵌套目录结构，分两种情况处理即可：
  1. 如果你不想大幅修改原有训练配置：最低要求的目录结构为你指定的SRL_TRAIN_DATA_PATH/SRL_VALIDATION_DATA_PATH目录下，只要存在data/fr/annotations/任意自定义子目录路径，把你的单个CONLL格式训练/验证文件放到这个自定义子目录下即可，不需要准备bc、bn等7类官方子目录。
  2. 如果你愿意修改少量配置：可以直接把配置里的数据集读取类替换为SrlReader，此时不需要构造任何层级目录，直接在配置里填写你的单CONLL文件的绝对路径即可，完全不用管环境变量的目录要求。

问题2：法语CONLL语料可用性 #

• 只要你的法语语料格式和CONLL SRL标注格式完全一致，就可以用来训练法语SRL模型，只需要额外做两处适配：
  1. 把原有配置里的英文BERT预训练模型替换为法语预训练语言模型（例如CamemBERT、法语版BERT-base等）
  2. 保证你的法语语料的SRL标签体系统一，论元、谓词的标注规则和你预期的输出规则对齐即可。

问题3：CONLL格式列填充要求 #

• 不需要填充所有列的数据，仅以下4类列是训练必需项，其余所有列都可以直接填入连字符-留空：
  1. 行索引列（第1列，标注每个词在句子中的序号）
  2. 词文本列（第2列，对应每个分词的法语原文）
  3. 谓词标记列（通常为第13列，当前词为谓词时填对应谓词，否则填-）
  4. 论元标签列（第14列及之后，每列对应一个句中谓词的论元标注，无对应论元填-）
• 你提到的第11列命名实体列属于非必需列，全部填-不会对训练效果产生任何影响。

内容的提问来源于stack exchange，提问作者Brodie