如何在Prodigy中基于csv文件运行ner.manual完成命名实体标注

1. CSV文件无需转换，可以直接使用 #

Prodigy原生支持CSV格式作为输入数据源，不需要提前转换为JSON格式。仅需要确保你的CSV文件中包含待标注的文本列即可，如果列名不是默认的text，后续启动命令中通过参数指定对应列名即可。

2. ner.manual 标注任务启动命令配置 #

核心参数说明 #

ner.manual命令的必填参数按顺序为：

• 自定义数据集名称：用来存储你标注的结果，后续导出评估数据就用这个名字调取
• 基础模型：因为你只是标注人名不需要预训练模型输出预测建议，直接填blank:zh（中文场景）或者blank:en（英文场景）即可
• 数据源路径：你的texts.csv的本地存放路径
• 标签参数--label：后面接你要标注的实体类型，这里直接填人名或者PER都可以，按你们团队的统一规范设置
• 加载参数：如果你的CSV文本列不是默认text，要加--loader csv --field 你的文本列名指定对应列

最简命令示例（CSV文本列名是text的场景） #

!python -m prodigy ner.manual person_gold_eval blank:zh ./texts.csv --label 人名

自定义列名场景命令示例 #

假设你要把标注结果存在名为person_gold_eval的数据集里，CSV的待标注文本列名为content，中文标注场景，命令如下：

!python -m prodigy ner.manual person_gold_eval blank:zh ./texts.csv --label 人名 --loader csv --field content

常用可选补充参数 #

• 如果需要避免重复标注已经处理过的样本，追加--exclude person_gold_eval
• 如果需要在标注界面同时展示CSV里的其他字段（比如文本ID、来源等），可以在--field后按顺序加多个列名，比如--field id,content，第一列会作为元数据展示，第二列作为标注文本

标注完成后导出黄金评估集 #

标注结束后执行以下命令即可导出所有标注结果，用来评估你的自研模型：

!python -m prodigy db-out person_gold_eval > ./gold_person_annotations.jsonl

内容的提问来源于stack exchange，提问作者Emil