modified

DuEE_report.md

@@ -115,7 +115,7 @@
 
 ## 数据预处理
 
-  ###数据预览
+### 数据预览
 ```text
 原标题：万讯自控(7.490,-0.10,-1.32%)：傅宇晨解除部分股份质押、累计质押比例为39.55%，，，，来源：每日经济新闻，每经ai快讯，万讯自控（sz，300112，收盘价：7.49元）6月3日下午发布公告称，公司接到股东傅宇晨的通知，获悉傅宇晨将其部分股份办理了质押业务。，截至本公告日，傅宇晨共持有公司股份5790.38万股，占公司总股本的20.25%；累计质押股份2290万股，占傅宇晨持有公司股份总数的39.55%，占公司总股本的8.01%。     OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOB-质押I-质押OOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOOO
 ```
@@ -169,7 +169,7 @@ logits = model(input_ids, token_type_ids).reshape(
 # 模型
 ## 触发词识别模型
 触发词抽取模型是整体模型的一部分，该部分主要是给定事件类型，识别句子中出现的事件触发词对应的位置以及对应的事件类别
-###模型
+### 模型
 该模型是基于ERNIE开发序列标注模型，模型原理图如下：
 ![image.png](figs/ernie_triger_extraction.png)
 
@@ -178,9 +178,9 @@ logits = model(input_ids, token_type_ids).reshape(
 ```txt
  1）触发词"收购"，并分配标签"B-企业收购"、“I-企业收购”、“I-企业收购”；
 ```
-###损失函数
+### 损失函数
 使用交叉熵`paddle.nn.loss.CrossEntropyLoss`作为损失函数
-###优化器
+### 优化器
 使用`paddle.optimizer.AdamW`作为优化器
 
 
@@ -198,9 +198,9 @@ logits = model(input_ids, token_type_ids).reshape(
 
 最终识别出文本中包含的论元角色和论元对是 <收购方，新东方>、<被收购方，东方优播>
 
-###损失函数
+### 损失函数
 与触发词识别模型相同，使用交叉熵`paddle.nn.loss.CrossEntropyLoss`作为损失函数
-###优化器
+### 优化器
 与触发词识别模型相同，使用`paddle.optimizer.AdamW`作为优化器
 
 ## 枚举分类
@@ -210,9 +210,9 @@ logits = model(input_ids, token_type_ids).reshape(
 ![image.png](figs/ernie_enum_classification.png)
 给定文本，对文本进行分类，得到不同类别上的概率 筹备上市（0.8）、暂停上市（0.02）、正式上市（0.15）、终止上市（0.03）
 
-###损失函数
+### 损失函数
 与触发词识别模型相同，使用交叉熵`paddle.nn.loss.CrossEntropyLoss`作为损失函数
-###优化器
+### 优化器
 与触发词识别模型相同，使用`paddle.optimizer.AdamW`作为优化器
 
 # 效果