基于prompt learning的NLP算法，涉及文本分类、信息抽取等
本项目集成了基于 prompt learning 相关的NLP任务，对 prompt learning 相关的理论知识可见Prompt Learning|深入浅出提示学习要旨与常用方法 。
基于 pytorch + transformers 框架，其中transformers 是 huggingface 开源的近年非常火的开源框架，支持非常方便的加载/训练 transformer 模型，详见这里 ；看到该库的安装方法和入门级调用，该库也能支持用户非常便捷的微调一个属于自己的模型 。
本项目抽象于实际业务，并集成了一些主流的NLP任务，如有需要对应的任务，可将代码中的训练数据集更换成你自己任务下的数据集从而训练一个符合你自己任务下的模型。
目前已经实现的NLP任务如下（更新中）：
在给定的文本中抽取目标信息，多用于：
命名实体识别（NER），实体关系抽取（RE）等任务。
| 模型 | 传送门 |
|---|---|
| 通用信息抽取（Universe Information Extraction, UIE） | [入口] |
对给定文本进行分类，用于：
情感识别，文本质检识别等任务。
| 模型 | 传送门 |
|---|---|
| 基于 BERT 的分类器 | [] |