简体中文 | English

基于深度学习的开源中文知识图谱抽取框架

DeepKE 是一个支持低资源、长篇章的知识抽取工具，可以基于pytorch实现命名实体识别、关系抽取和属性抽取功能。

在线演示

在线演示 demo

进行预测

下面使用一个demo展示预测过程

模型架构

Deepke的架构图如下所示

DeepKE包括了三个模块，可以进行关系抽取、实体命名识别以及属性抽取的任务，在各个模块下包括各自的子模块。其中关系抽取模块就有常规模块、文档级抽取模块以及低资源少样本模块。在每一个子模块中，分为分词、预处理等的一个工具集合，以及编码和训练预测部分。

快速上手

DeepKE支持pip安装使用，以常规全监督设定关系抽取为例

1、下载代码 git clone https://github.com/zjunlp/DeepKE.git（别忘记star和fork哈！！！）

2、创建虚拟环境 conda create -n deepke python=3.8

3、进入虚拟环境 conda activate deepke

4、pip安装需要的依赖包，如果直接使用，pip install deepke；如需修改源码使用，首先python setup.py install,修改完后，python setup.py develop

5、进入使用位置 cd DeepKE/example/re/standard

6、进行训练 python run.py,训练用到的参数可在conf文件夹内修改

7、进行预测python predict.py,预测用到的参数可在conf文件夹内修改

环境依赖

python == 3.8

• torch == 1.5
• hydra-core == 1.0.6
• tensorboard == 2.4.1
• matplotlib == 3.4.1
• transformers == 3.4.0
• jieba == 0.42.1
• scikit-learn == 0.24.1
• pytorch-transformers == 1.2.0
• seqeval == 1.2.2
• tqdm == 4.60.0
• opt-einsum==3.3.0
• ujson

1. 命名实体识别NER

   数据为txt文件，样式范例为：

   Sentence	Person	Location	Organization
   本报北京9月4日讯记者杨涌报道：部分省区人民日报宣传发行工作座谈会9月3日在4日在京举行。	杨涌	北京	人民日报
   《红楼梦》是中央电视台和中国电视剧制作中心根据中国古典文学名著《红楼梦》摄制于1987年的一部古装连续剧，由王扶林导演，周汝昌、王蒙、周岭等多位红学家参与制作。	王扶林，周汝昌，王蒙，周岭	中国	中央电视台，中国电视剧制作中心
   秦始皇兵马俑位于陕西省西安市，1961年被国务院公布为第一批全国重点文物保护单位，是世界八大奇迹之一。	秦始皇	陕西省，西安市	国务院

   具体流程请进入详细的README中：

   常规全监督STANDARD ： 常规模块为预训练模型，可进入其目录，修改数据集以及conf文件夹下的参数，python run.py即可训练，python predict.py即可预测。

   少样本FEW-SHOT ： 少样本模块，可进入其目录，模型加载和保存位置以及配置可以在shell脚本中修改python run.py训练conll2003,python run.py +train=few_shot直接进行few-shot训练,若要加载模型，修改few_shot.yaml中的load_path,python predict.py即可预测。

2. 关系抽取RE

   关系抽取是从非结构化的文本中抽取出实体之间的关系，以下为几个样式范例，数据为csv文件：

   Sentence	Relation	Head	Head_offset	Tail	Tail_offset
   《岳父也是爹》是王军执导的电视剧，由马恩然、范明主演。	导演	岳父也是爹	1	王军	8
   《九玄珠》是在纵横中文网连载的一部小说，作者是龙马。	连载网站	九玄珠	1	纵横中文网	7
   提起杭州的美景，西湖总是第一个映入脑海的词语。	所在城市	西湖	8	杭州	2

   具体流程请进入详细的README中，RE包括了以下三个子功能

   常规全监督STANDARD ： 常规模块为常用的深度学习模型，有CNN、RNN、Capsule、GCN、Transforemer以及预训练模型，可进入其目录，修改数据集以及conf文件夹下的目录，python run.py即可训练，python predict.py即可预测。

   少样本FEW-SHOT : 进入其目录，修改数据集以及conf文件夹下的目录，python run.py即可训练，如需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python predict.py即可预测。

   文档级DOCUMENT : train_distant.json由于文件太大，请自行从Google Drive上下载到data/目录下.进入其目录，修改数据集以及conf文件夹下的目录，python run.py即可训练，如需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python predict.py即可预测。

3. 属性抽取AE

   数据为csv文件，样式范例为：

   Sentence	Att	Ent	Ent_offset	Val	Val_offset
   张冬梅，女，汉族，1968年2月生，河南淇县人	民族	张冬梅	0	汉族	6
   杨缨，字绵公，号钓溪，松溪县人，祖籍将乐，是北宋理学家杨时的七世孙	朝代	杨缨	0	北宋	22
   2014年10月1日许鞍华执导的电影《黄金时代》上映	上映时间	黄金时代	19	2014年10月1日	0

   具体流程请进入详细的README中:

   常规全监督STANDARD ： 常规模块为常用的深度学习模型，有CNN、RNN、Capsule、GCN、Transforemer以及预训练模型，可进入其目录，修改数据集以及conf文件夹下的目录，python run.py即可训练，python predict.py即可预测。

备注（常见问题）

1. 使用 Anaconda 时，建议添加国内镜像，下载速度更快。如清华镜像。

2. 使用 pip 时，建议使用国内镜像，下载速度更快，如阿里云镜像。

3. 安装后提示 ModuleNotFoundError: No module named 'past'，输入命令 pip install future 即可解决。

4. 使用语言预训练模型时，在线安装下载模型比较慢，更建议提前下载好，存放到 pretrained 文件夹内。具体存放文件要求见文件夹内的 readme.md。

项目成员

浙江大学：张宁豫、陶联宽、余海洋、陈想、徐欣、田玺、李磊、黎洲波、邓淑敏、姚云志、叶宏彬、谢辛、郑国轴、陈华钧

达摩院：谭传奇、黄非