加入CODE CHINA

· 不限速    · 不限空间    · 不限人数    · 私仓免费

免费加入
README.md

ChineseNRE

本项目使用

  • python 2.7
  • pytorch 0.4.0

中文实体关系抽取,对实体关系抽取不了解的可以先看这篇文章。顺便求star~

数据

中文实体关系抽取数据实在太难找了,data中是忘记在哪里找的人物关系数据集,一共11+1种关系,数据质量不太好,但也找不到其他的了。 (更新)issues7中 ybNero 同学分享了一份数据集,大家可以去issues中查看~

梅葆玥	梅兰芳	父母 坎坷经历梅葆玥之家庭合影1961年,梅兰芳先生病逝,葆玥、葆玖姐弟俩继承父亲的遗志,挑起了梅剧团的重担

数据格式为: 实体1 实体2 关系 句子。

虽然叫中文实体关系抽取,还是增加了一个英文数据集SemEval2010_task8,简单做了下数据处理,这是免费的公开数据集,其他的好像都要dollar了。。

训练

模型使用的是lstm+attention模型。特征使用词向量+位置向量。

训练前先运行data文件夹中的 data_util.py 文件,将数据处理成pkl文件供模型使用。

运行python train.py即可开始训练,可以在train.py文件中设置epoch、batch等参数,运行结束模型会储存到model文件夹中,可以在训练好的模型基础上继续训练。

可以运行python train.py pretrained使用预训练的词向量进行训练。vec.txt是一个训练好的词向量的例子,可以修改使用更加优秀的预训练词向量。

准确率

奈何实验室没有服务器,只能用自己电脑的cpu跑了一小部分数据,结果如下。

准确率 召回率 F1值
64.08% 64.59% 64.33%

参考

Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification

更新日志

2018-10-7 第一版,不定期进行修改与优化。

2018-10-9 添加准确率、召回率、f值的计算,将model从train.py中分离。

2018-10-10 添加SemEval2010_task8数据,以及一些小修改。

2018-10-18 增加预训练的词向量,修改bug。

项目简介

🚀 Github 镜像仓库 🚀

源项目地址

https://github.com/buppt/chinesenre

发行版本

当前项目没有发行版本

贡献者 1

【意涵团】buppt @【意涵团】buppt

开发语言

  • Python 100.0 %