1.1 data/ccfner2mrc.py  为每条样本构造query
    1.2 bert中文训练模型放到prev_trained_model/bert-base 之下

    2.1 加载数据，datasets/mrc_ner_dataset.py形成datasets，包括tokens、type_id、start_labels、
            end_labels、start_label_mask、end_label_mask、match_label。
    2.2 将数据喂给模型 模型主要包括三方面的损失：start_label损失、end_label损失和match_label损失

    3.1 加载验证数据，喂给模型，得到三个logits【start_logits, end_logits, span_logits】
    3.2 利用三个logits计算label是否match，主要用到metrics/functional/query_span_f1.py

    4.1 加载测试数据，喂给模型，得到三个logits【start_logits, end_logits, span_logits】
    4.2 执行extract_flat_spans()函数，提取出实体