ee-2019-baseline
面向金融领域的事件主体抽取（ccks2019，https://biendata.com/competition/ccks_2019_4/ ），一个baseline
模型
用BiLSTM＋指针结构标注实体。
实际上这个比赛就是阅读理解竞赛SQUAD 1.0的简化版：它要输入“一段文本”+“事件类型”，输出文本中的实体，如果将“事件类型”看成问题，将“一段文本”看作是篇章，那么它就跟squad 1.0的格式一模一样了，任何squad的模型都可以简化后用到这个问题上。
用法
python ee.py即可。gtx 1060上30秒训练一个epoch（包括验证时间）。
结果
取决于验证集划分的不同，线下验证集的acc大概是0.76+左右。
亲测线上提交可以达到0.83+，如果你的解码规则写得好，估计可以到0.84+。
环境
Python 2.7 + Keras 2.2.4 + Tensorflow 1.8，其中关系最大的应该是Python 2.7了，如果你用Python 3，需要修改几行代码，至于修改哪几行，自己想办法，我不是你的debugger。
欢迎入坑Keras。人生苦短，我用Keras～
声明
欢迎测试、修改使用，但这是我比较早的模型，文件里边有些做法在我最新版已经被抛弃，所以以后如果发现有什么不合理的地方，不要怪我故意将大家引入歧途就行了。
欢迎跟我交流讨论，但请尽量交流一些有意义的问题，而不是debug。（如果Keras不熟悉，请先自学一个星期Keras。）
特别强调：baseline的初衷是供参赛选手测试使用，如果你已经错过了参赛日期，但想要训练数据，请自行想办法向主办方索取。我不负责提供数据下载服务。