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，可以进行命名实体识别、关系抽取以及属性抽取任务，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，包含实现分词、预处理等功能的一个工具集合，以及编码、训练和预测部分。

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. 推荐使用anaconda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

具体功能介绍

1. 命名实体识别NER

• 命名实体识别是从非结构化的文本中识别出实体和其类型。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
    常规模块使用预训练模型BERT；
    进入DeepKE/example/ner/standard，数据集和参数配置可以分别进入data和conf文件夹中修改；
    python run.py即可训练，python predict.py即可预测。
  • 少样本FEW-SHOT
    低资源少样本模块；
    进入DeepKE/example/ner/few-shot，模型加载和保存位置以及配置可以在conf文件夹中修改；
    使用CoNLL-2003进行训练：python run.py；
    进行few-shot训练：python run.py +train=few_shot，若要加载模型，修改few_shot.yaml中的load_path；
    若要进行预测，在config.yaml中追加- predict，predict.yaml中修改load_path为模型路径以及write_path为预测结果的保存路径，完成修改后使用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，包括CNN、RNN、Capsule、GCN、Transforemer以及预训练模型；
    进入DeepKE/example/re/standard，数据集和参数配置可以分别进入data和conf文件夹中修改；
    python run.py即可训练，python predict.py即可预测。
  • 少样本FEW-SHOT
    进入DeepKE/example/re/few-shot，数据集和参数配置可以分别进入data和conf文件夹中修改；
    python run.py即可训练；如需从上次训练的模型开始训练：设置conf/train.yaml中的train_from_saved_model为上次保存模型的路径，每次训练的日志默认保存在根目录，可用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DeepKE/example/re/document，数据集和参数配置可以分别进入data和conf文件夹中修改；
    python run.py即可训练；如需从上次训练的模型开始训练：设置conf/train.yaml中的train_from_saved_model为上次保存模型的路径，每次训练的日志默认保存在根目录，可用log_dir来配置；

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，包括CNN、RNN、Capsule、GCN、Transforemer以及预训练模型；
    进入DeepKE/example/re/standard，数据集和参数配置可以分别进入data和conf文件夹中修改；
    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