2020-07-02 First commit
项目简介：启动对项目Cner_v1的升级，具体如下：
- 预处理部分的升级
- 文本切分处理这块，主要是对文本的切分位置和长短句做了处理。
- 数据输入的增强
- 加入了一些额外的特征来对数据进行增强
- 分词特征（上一个版本已经加入了）
- 词边界和词性特征
- 拼音和偏旁部首特征
- 加入了一些额外的特征来对数据进行增强
- 模型的改进
- 采用两层的BiLstm进行建模
2020-07-03 commit prepare_data.py
完善改文件，主要是为了对数据进行添加一些特征的操作，然后保存到dict.pkl文件去
2020-07-04 fix一些bug，遗留一些问题，就是[[4],[1],[0]]这样一个的这种情况存在。
2020-07-07 去除掉了以上的包含最后的换行符的情况，现在开始着手进行模型的构建，所以添加model.py文件
2020-07-11 加入了train.py文件用于训练模型，然后完善了model的构建以及加入了一些方法
2020-07-15 加入了test.py文件用于测试和评估模型，加入conlleval.py采用conll评估方式去评估， 后续准备集合train和test文件加入到main.py中。
2020-07-17 更新汇总：修改了一些bug以及添加了加载预训练模型的功能。 第一阶段的评估结果：F1 67左右效果不太理想。
分析，数据集的质量不是太好，有很多长尾分布，最多提升到74左右（参考测评任务第一名团队）。
2020-09-28 利用该模型进行英语实体识别的训练