Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/qiufengyuyi/event_extraction
baidu aistudio event extraction competition
https://github.com/qiufengyuyi/event_extraction
Last synced: 2 days ago
JSON representation
baidu aistudio event extraction competition
- Host: GitHub
- URL: https://github.com/qiufengyuyi/event_extraction
- Owner: qiufengyuyi
- License: mit
- Created: 2020-05-15T11:50:10.000Z (over 4 years ago)
- Default Branch: master
- Last Pushed: 2023-03-24T21:57:21.000Z (over 1 year ago)
- Last Synced: 2024-08-02T16:55:52.218Z (3 months ago)
- Language: Python
- Homepage:
- Size: 135 KB
- Stars: 225
- Watchers: 3
- Forks: 39
- Open Issues: 10
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
- StarryDivineSky - qiufengyuyi/event_extraction
README
# 百度aistudio 2020 事件抽取赛道
------
## update on 2020.07.09 优化了gen_kfold_data.py,重构了代码,能够生成event type分类任务的数据index_type_fold_data_{},以及role extraction阶段任务的数据verfify_neg_fold_data_{},注意所有文件的对应路径要与自己在config中配置的相同。另外,neg_fold_data_{}为之前老版本的数据存储格式,与verify_neg_fold_data_{}是一样的,可以一样使用
依赖包:主要是tensorflow 1.12.0,另外使用了bojone的bert4keras,详见https://github.com/bojone/bert4keras,其余见requirements.txt
目前主要集中使用机器阅读理解的方式来尝试解决事件抽取任务。主要分为两个阶段:
1、事件类型抽取
2、事件论元抽取,使用MRC的方式来做。
具体内容见知乎文章。
项目主体来自于本人另一个repo,使用MRC做实体识别,具体可参考https://github.com/qiufengyuyi/sequence_tagging
最终使用Retro-reader方法,在test1.json上的分数为0.856,使用了roberta-large-wwm.
对于roberta-wwm-base,分数为0.851.
## 生成k-fold训练数据:
根据不同阶段,生成两个阶段的k-fold训练数据,具体可参考gen_kfold_data.py
## 事件类型抽取:
```shell
bash run_event_classification.sh
```## baseline事件论元抽取:
```shell
bash run_event_role.sh
```## RetroReader-EAV问题是否可回答模块:
```shell
bash run_retro_eav.sh
```## RetroReader-精读模块:
```shell
bash run_retro_rolemrc.sh
```