2019-09-15 22:16:31 +08:00
|
|
|
|
# DeepKE
|
2019-08-20 21:25:34 +08:00
|
|
|
|
|
2019-09-15 22:16:31 +08:00
|
|
|
|
DeepKE 是基于 Pytorch 的深度学习中文关系抽取处理套件。
|
2019-08-20 21:25:34 +08:00
|
|
|
|
|
|
|
|
|
|
## 环境依赖:
|
|
|
|
|
|
|
|
|
|
|
|
- python >= 3.6
|
2019-09-15 22:16:31 +08:00
|
|
|
|
- torch >= 1.0
|
|
|
|
|
|
- jieba >= 0.38
|
|
|
|
|
|
- matplotlib >= 3.0
|
|
|
|
|
|
- pytorch_transformers >= 1.2
|
|
|
|
|
|
- scikit_learn >= 0.20
|
|
|
|
|
|
|
2019-08-20 21:25:34 +08:00
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
## 主要目录
|
|
|
|
|
|
|
|
|
|
|
|
```
|
2019-09-15 22:16:31 +08:00
|
|
|
|
├── bert_pretrained # 使用 bert 时存放的预训练模型参数
|
|
|
|
|
|
│ ├── vocab.txt # BERT 模型词表
|
|
|
|
|
|
│ ├── config.json # BERT 模型结构的配置文件
|
|
|
|
|
|
│ ├── pytorch_model.bin # 预训练模型参数
|
|
|
|
|
|
├── 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
|
2019-09-16 19:56:16 +08:00
|
|
|
|
│ │ ├── train.csv # 训练数据集
|
|
|
|
|
|
│ │ ├── test.csv # 测试数据集
|
|
|
|
|
|
│ │ ├── relation.txt # 关系种类
|
2019-09-15 22:16:31 +08:00
|
|
|
|
├── deepke
|
2019-09-16 19:56:16 +08:00
|
|
|
|
│ ├── model # 模型目录
|
|
|
|
|
|
│ │ ├── BasicModule.py # 模型基本配置
|
|
|
|
|
|
│ │ ├── Embedding.py # Embeddding 模块
|
|
|
|
|
|
│ │ ├── CNN.py # CNN & PCNN 模型
|
|
|
|
|
|
│ │ ├── RNN.py # BiLSTM 模型
|
|
|
|
|
|
│ │ ├── GCN.py # GCN 模型
|
|
|
|
|
|
│ │ ├── Transformer.py # Transformer 模型
|
|
|
|
|
|
│ │ ├── Capsule.py # Capsule 模型
|
|
|
|
|
|
│ │ ├── LM.py # 语言预训练 模型
|
|
|
|
|
|
│ ├── config.py # 配置文件
|
|
|
|
|
|
│ ├── vocab.py # 词汇表构建函数
|
|
|
|
|
|
│ ├── preprocess.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
|
2019-09-15 22:16:31 +08:00
|
|
|
|
├── main.py # 主入口文件
|
|
|
|
|
|
├── README.md # read me 文件
|
2019-08-20 21:25:34 +08:00
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
|
|
## 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](https://github.com/zjunlp/deepke/wiki)
|
2019-09-16 20:36:14 +08:00
|
|
|
|
|
|
|
|
|
|
|
2019-09-18 19:45:45 +08:00
|
|
|
|
## 备注
|
|
|
|
|
|
|
|
|
|
|
|
使用语言预训练模型时，要提前下载好预训练好的参数，放到 `pretrained` 文件夹内。
|
|
|
|
|
|
|
2019-09-19 16:49:06 +08:00
|
|
|
|
另外数据量较小时，直接使用如12层的bert，效果并不理想，反而层数调低些收敛更快效果更好。如调整到3、6层数，具体看训练的数据量大小。
|
2019-09-18 19:45:45 +08:00
|
|
|
|
|
2019-09-25 14:08:52 +08:00
|
|
|
|
|
2019-09-16 20:36:14 +08:00
|
|
|
|
## 后续工作
|
|
|
|
|
|
|
|
|
|
|
|
- [ ] 添加经典实体关系联合抽取模型
|
|
|
|
|
|
- [ ] 添加 web 页面，以供预测输入句子信息可视化
|
2019-09-25 14:13:12 +08:00
|
|
|
|
|
|
|
|
|
|
Author: [余海阳](mailto:yuhaiyang@zju.edu.cn)
|
|
|
|
|
|
|
|
|
|
|
|
organization: [浙江大学知识引擎实验室](http://openkg.cn/)
|
|
|
|
|
|
|
