今晚跑了一下基线系统，F1_score是0.712，分享一下运行基线系统踩的坑

1 使用官方训练集报错：keyError

解决：用官方提供的schema.json文件生成字典

2 执行predict_trigger时报错：数据解析错误

解决: data_process.py中新增测试数据处理方法，使用!python bin/data_process.py origin_events_process4test ./data/test1.json ./data/ 生成test.json

def origin_events_process4test():
    """origin_events_process"""
    origin_events_path = sys.argv[2]
    save_dir = sys.argv[3]
    if not origin_events_path or not save_dir:
        raise Exception("set origin_events_path and save_dir first")
    output = []
    lines = utils.read_by_lines(origin_events_path)
    for line in lines:
        d_json = json.loads(line)
        event = {}
        event["trigger"] = ""
        event["trigger_start_index"] = 0
        event["class"] = ""
        event["event_type"] = ""
        event["arguments"] = []
        argument  = {}
        argument["argument_start_index"] = 0
        argument["role"] = ""
        argument["argument"] = ""
        argument["alias"] = []
        event["arguments"].append(argument)
        event["event_id"] = u"{}_{}".format(d_json["id"], "no_event")
        event["text"] = d_json["text"]
        event["id"] = d_json["id"]
        output.append(json.dumps(event, ensure_ascii=False))
    random.shuffle(output)  # 随机一下

    print(
        u"include sentences {}, events {}, test datas {}"
        .format(len(lines), len(output), len(output)))
    utils.write_by_lines(u"{}/test.json".format(save_dir), output)

3 执行predict_trigger时报错

解决：分别为predict_event_role.sh, predict_event_trigger.sh 创建测试版本predict_event_role4test.sh，predict_event_trigger4test.sh 

其中修改了 预测环境为CPU，batch_size为32

python run_event_trigger.py --use_cuda false\
                   --do_train false \
                   --do_val false \
                   --do_test true \
                   --batch_size 32 \

4 依次执行完剩下的命令即可

使用CPU进行预测时，两个预测任务耗时都在18分钟左右