deepke/example/re/document/README_CN.md

快速上手

English | 简体中文

环境依赖

python == 3.8

• torch == 1.5.0
• transformers == 3.4.0
• opt-einsum == 3.3.0
• ujson
• deepke

克隆代码

git clone https://github.com/zjunlp/DeepKE.git
cd DeepKE/example/re/d

使用pip安装

首先创建python虚拟环境，再进入虚拟环境

• 安装依赖: pip install -r requirements.txt

使用数据进行训练预测

• 存放数据： 可先下载数据 wget 120.27.214.45/Data/re/document/data.tar.gz在此目录下

  在 data 文件夹下存放训练数据。模型采用的数据集是DocRED，DocRED数据集来自于2010年的国际语义评测大会中Task 8："Multi-Way Classification of Semantic Relations Between Pairs of Nominals"。

• DocRED包含以下数据：

  • dev.json：验证集

  • rel_info.json：关系集

  • rel2id.json：关系标签到ID的映射

  • test.json：测试集

  • train_annotated.json：人工标注的训练集

  • train_distant.json：远程监督产生的训练集

• 开始训练：模型加载和保存位置以及配置可以在conf的.yaml文件中修改

  • 在数据集DocRED中训练：python run.py

  • 训练好的模型保存在当前目录下

• 从上次训练的模型开始训练：设置.yaml中的train_from_saved_model为上次保存模型的路径

• 每次训练的日志保存路径默认保存在根目录，可以通过.yaml中的log_dir来配置

• 进行预测： python predict.py

  • 预测生成的result.json保存在根目录

模型内容

DocuNet