Deepke

deepke 是基于 Pytorch 的中文关系抽取处理套件。

环境依赖:

• python >= 3.6
• torch >=1.0
• jieba >= 0.39
• scikit_learn >= 0.21
• pytorch_transformers>=1.0

主要目录

├── checkpoints          # 保存训练后的模型参数
├── data                 # 数据目录
│ ├── origin             # 训练使用的原始数据集
│   ├── train.csv        # 训练数据集
│   ├── test.csv         # 测试数据集
│   ├── relation.txt     # 关系种类
├── model                # 模型目录
│ ├── __init__.py
│ ├── BasicModule.py     # 模型基本配置
│ ├── Embedding.py       # Embeddding 模块
│ ├── CNN.py             # CNN & PCNN 模型
│ ├── BiLSTM.py          # BiLSTM 模型
│ ├── Transformer.py     # Transformer 模型
│ ├── Capsule.py         # Capsule 模型
│ ├── Bert.py            # 语言预训练 模型
├── src
│ ├── config.py          # 配置文件
│ ├── vocab.py           # 词汇表构建函数
│ ├── process.py         # 训练前预处理数据
│ ├── dataset.py         # 训练时批处理输入数据
│ ├── trainer.py         # 训练迭代函数
│ ├── utils.py           # 工具函数
├── main.py              # 主入口文件
├── README.md            # read me 文件

快速开始

数据为 csv 文件，样式范例为：

sentence	relation	head	head_type	head_offset	tail	tail_type	tail_offset
谢万松，字树人，湖北省武汉市人，武汉钢铁集团公司联合焦化公司退体职工，生于1940年	出生地	谢万松	人物	0	湖北省武汉市	地点	8
《娘家的故事第二部》是张玲执导，林在培、何赛飞等主演的电视剧	导演	娘家的故事第二部	影视作品	1	张玲	人物	11
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	网络小说	0	纵横中文网	网站	5
个人简介梁信强，男，2010年广州亚运会中国澳门代表团成员	国籍	梁信强	人物	4	中国	国家	20

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

• 存放数据：在 data/origin 文件夹下存放训练数据。训练文件主要有三个文件。

  • train.csv：存放训练数据集

  • valid.csv：存放验证数据集

  • relation.txt：存放关系种类

• 开始训练：python main.py

• 每次训练的结果会保存在 checkpoints 文件夹下，格式为：{model_name}_{epoch}_{time}.pth。

具体介绍

见 wiki