• aspect分类的种类的为： Counter({'整体': 2822, '使用体验': 1042, '功效': 726, '价格': 696, '物流': 517, '气味': 225, '包装': 195, '真伪': 161, '服务': 86, '其他': 65, '成分': 61, '尺寸': 24, '新鲜度': 13})

• 序列化标注的标注方法 采取BIO的标注方法 AspectTerms: 追加尾椎at OpinionTerms： 追加尾椎ot

@: 应为单词 &：代表数字

• 参考项目：https://github.com/macanv/BERT-BiLSTM-CRF-NER

• process_data.py：准备运行数据

• train_helper.py： 配置运行的文件参数以及模型参数

• run.py: 运行接口

data_sentimental： 文件准备了训练的数据 sentiment_flags.py： 模型的配置文件：seq_max_length 建议128 我这里64 避免内存爆掉， 这里需要更具自己本地环境编辑下 run_classifier.py: 训练文件，直接运行就行： 文件头部限制了cpu跑