https://github.com/xhw205/GPLinker_torch

CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取
https://github.com/xhw205/GPLinker_torch

Last synced: about 1 month ago
JSON representation

CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取

• Host: GitHub
• URL: https://github.com/xhw205/GPLinker_torch
• Owner: xhw205
• Created: 2022-04-06T09:08:12.000Z (over 2 years ago)
• Default Branch: main
• Last Pushed: 2022-06-15T03:14:12.000Z (over 2 years ago)
• Last Synced: 2024-08-03T09:07:16.243Z (5 months ago)
• Language: Python
• Homepage:
• Size: 729 KB
• Stars: 205
• Watchers: 4
• Forks: 14
• Open Issues: 6
• Metadata Files:
  • Readme: readme.md

Awesome Lists containing this project

• StarryDivineSky - xhw205/GPLinker_torch

README

        
## 实体关系抽取_GPLinker

### 介绍

实体关系抽取是文本结构化、构建专业知识图谱的核心 step。

本算法是 [GPLinker](https://kexue.fm/archives/8888) 的 pytorch 复现(简单易懂，杜绝花里胡哨)，该方法的核心是：

+ 对输入文本 S={w1,w2,...,wn} 的编码向量以【token-pair】标记方式建模 n×n 大小的词元矩阵，进而做实体识别、实体关系抽取任务。

+ 与之相似的工作有：[TP-Linker](https://arxiv.org/abs/2010.13415)、[multi-head selection](https://arxiv.org/abs/1804.07847)、[Word-pair](https://arxiv.org/pdf/2112.10070.pdf) 等。较之传统的 BIO 序列标注、span 指针网络标注方式，token-pair 建模方式现在是实体关系抽取 sota 必备 schema。

### 数据集

中文医疗信息处理挑战榜 CBLUE 中 CMeIE 数据集，同样是 CHIP2020/2021 的医学实体关系抽取数据集。

### 环境

+ python 3.8.1

+ pytorch==1.8.1

+ transformer==4.9.2

+ configparser

### 预训练模型

[RoBerta-zh-large](https://drive.google.com/file/d/1yK_P8VhWZtdgzaG0gJ3zUGOKWODitKXZ/view)下载

### 运行

请把 config.ini 中对应的【paths】换为你自己的

#### train

```

python main.py

```

#### predict

```

python predict.py

```

### 效果

![1649379794(1).jpg](https://s2.loli.net/2022/04/08/wQGYfycRd7irbXW.png)

+ 使用医学实体关系抽取数据集，[阿里天池](https://tianchi.aliyun.com/dataset/dataDetail?dataId=95414#4)在线测试F1分数【59.82%】，提交的测试结果在./result文件夹中

   

  【不再提供，可以直接提交的测试结果文件】

+ 之前复现的 CasRel 方法，参考 [DeepIE 仓库](https://github.com/loujie0822/DeepIE) ，在线F1分数为【60.556%】，后续整理开源

 

    > 注意：TOP-1【66.044%】是百度知识图谱团队的 ERNIE ，基本属于吊打其余方法，但是对于在校生、小团队而言，F1分数如果能上【62%】就属于非常非常好了

+ 注意最新的 CBLUE 打榜，需要把生成的 CMeIE_test.json 后缀改为 jsonl，再压缩提交

### TODO

+ 训练过程未根据验证集的F1分数保存最优模型，直接用的最后一个epoch的权重，有需要的自行实现就好了

+ 把globalpointer 替换 Efficient-GlobalPointer，torch的源码本人都已经公布，自行实现就好