关于模型的测试方式

[CheonMeok]

您好！关于boundary smoothing方法，在经过训练验证后，如何在测试集进行验证？请问您能提供一下测试脚本吗？

[syuoni]

Hi @CheonMeok ,

BoundarySeletionDecoder.evaluate 只返回了 F1 作为评价指标（见这里），所以在训练过程中只会打印 F1。你可以考虑在 evaluate 方法中把 Recall/Precision 输出。

---

看起来你修改了问题。现在的训练脚本在训练结束后，会自动进行测试集验证（见这里）。

[CheonMeok]

谢谢您回复！关于输出评价指标和进行测试的问题已经解决。还有几个问题想请教您：
1、关于参数use_interm1 和use_interm2的区别。

2、关于序列标注方法的参数设置。如果想实现

• Zhang and Yang (2018)文章里的Lattice-LSTM + CRF方法，Bichar + LSTM + CRF方法
• Ma et al. (2020)文章里的SoftLexicon + BERT + CRF方法，BERT + LSTM + CRF方法
  应该怎样设置模型参数？

3、关于参数char_arch，enc_arch，bert_arch的含义。我看到这几个参数的说明如下：
--char_arch {None,LSTM,GRU,Conv}
character-level encoder architecture (None for w/o character-level encoder) (default: None)
--enc_arch {FFN,LSTM,GRU,Conv,Gehring,Transformer}
token-level encoder architecture (default: LSTM)
--bert_arch BERT_ARCH
bert-like architecture (None for w/o bert-like) (default: None)
对于中文NER任务的字级别模型character-level，参数char_arch和enc_arch的设置是否会产生冲突/重复？因中文character就是输入的token。例如char_arch设置为LSTM，enc_arch设置为LSTM，bert_arch设置为chinese-bert-wwm，是否代表对中文character token先使用Bert编码，再使用LSTM编码？
问题较多，劳烦您解答！