Skip to content

SZUwishion/pytorch_GlobalPointer_triple_extraction

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

12 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

pytorch_GlobalPointer_triple_extraction

基于pytorch的GlobalPointer进行三元组抽取。

具体使用说明:

  • 1、在data/ske/raw_data下是原始数据,新建一个process.py,主要是得到mid_data下的关系的类型。
  • 2、针对于不同的数据源,在data_loader.py中修改MyDataset类下,返回的是一个列表,列表中的每个元素是:(text, labels),其中labels是[[主体,类别,客体]]。
  • 3、运行main.py进行训练、验证、测试和预测。

数据和模型下载地址:链接:https://pan.baidu.com/s/1HOaGUiRsknIBtXS_ASNF-w?pwd=rm2u 提取码:rm2u

依赖

pytorch==1.6.0
transformers==4.5.0
tensorboardX

特别注意:eval_steps要根据总的steps进行合理设置,不要设置得太小,否则在初期就进行验证会极慢(因为预测的负样本太多了)。

运行

python main.py \
--bert_dir="model_hub/chinese-bert-wwm-ext/" \
--data_dir="./data/ske/" \
--log_dir="./logs/" \
--output_dir="./checkpoints/" \
--num_tags=49 \
--seed=123 \
--gpu_ids="0" \
--max_seq_len=256 \
--lr=5e-5 \
--other_lr=5e-5 \
--train_batch_size=32 \
--train_epochs=1 \
--eval_steps=500 \
--eval_batch_size=8 \
--max_grad_norm=1 \
--warmup_proportion=0.1 \
--adam_epsilon=1e-8 \
--weight_decay=0.01 \
--dropout_prob=0.1 \
--use_tensorboard="False" \
--use_dev_num=1000

结果

这里以batch_size=32运行了2000步。

precision:0.7831715210355987 recall:0.7298578199052133 f1:0.7555753791257805
文本查尔斯·阿兰基斯Charles Aránguiz),1989年4月17日出生于智利圣地亚哥智利职业足球运动员司职中场效力于德国足球甲级联赛勒沃库森足球俱乐部
主体: [['查尔斯·阿兰基斯']]
客体: [['智利', '圣地亚哥', '智利圣地亚哥', '1989年4月17日']]
关系: [[('查尔斯·阿兰基斯', '出生日期', '1989年4月17日'), ('查尔斯·阿兰基斯', '出生地', '智利'), ('查尔斯·阿兰基斯', '国籍', '智利'), ('查尔斯·阿兰基斯', '出生地', '智利圣地亚哥'), ('查尔斯·阿兰基斯', '国籍', '智利圣地亚哥'), ('查尔斯·阿兰基斯', '出生地', '圣地亚哥')]]
====================================================================================================
文本: 《离开是由张宇谱曲演唱
主体: [['离开']]
客体: [['张宇']]
关系: [[('离开', '歌手', '张宇'), ('离开', '作曲', '张宇')]]
====================================================================================================
文本: 《愤怒的唐僧由北京吴意波影视文化工作室与优酷电视剧频道联合制作故事以喜剧元素为主讲述唐僧与佛祖打牌得罪了佛祖被踢下人间再渡九九八十一难的故事
主体: [['愤怒的唐僧']]
客体: [['北京吴意波影视文化工作室']]
关系: [[('愤怒的唐僧', '出品公司', '北京吴意波影视文化工作室')]]
====================================================================================================
文本李治即位后萧淑妃受宠王皇后为了排挤萧淑妃答应李治让身在感业寺的武则天续起头发重新纳入后宫
主体: [['李治', '萧淑妃']]
客体: [['李治', '萧淑妃']]
关系: [[('李治', '妻子', '萧淑妃'), ('萧淑妃', '丈夫', '李治')]]
====================================================================================================
文本: 《工业4.0是2015年机械工业出版社出版的图书作者是阿尔冯斯·波特霍夫恩斯特·安德雷亚斯·哈特曼
主体: [['工业4.0']]
客体: [['机械工业出版社', '阿尔冯斯·波特霍夫']]
关系: [[('工业4.0', '出版社', '机械工业出版社'), ('工业4.0', '作者', '阿尔冯斯·波特霍夫')]]
====================================================================================================
文本周佛海被捕入狱之后其妻杨淑慧散尽家产请蒋介石枪下留人于是周佛海从死刑变为无期不过此人或许作恶多端改判没多久便病逝于监狱据悉是心脏病发作
主体: [['周佛海', '杨淑慧', '蒋介石']]
客体: [['周佛海', '杨淑慧', '蒋介石']]
关系: [[('周佛海', '妻子', '杨淑慧'), ('杨淑慧', '丈夫', '周佛海'), ('杨淑慧', '丈夫', '蒋介石'), ('蒋介石', '妻子', '杨淑慧')]]
====================================================================================================
文本: 《李烈钧自述是2011年11月1日人民日报出版社出版的图书作者是李烈钧
主体: [['李烈钧自述']]
客体: [['李烈钧', '人民日报出版社']]
关系: [[('李烈钧自述', '作者', '李烈钧'), ('李烈钧自述', '出版社', '人民日报出版社')]]
====================================================================================================
文本除演艺事业外李冰冰热心公益发起并亲自参与多项环保慈善活动积极投身其中身体力行担起了回馈社会的责任于02年出演少年包青天》,进入大家视线
主体: [['少年包青天']]
客体: [['李冰冰']]
关系: [[('少年包青天', '主演', '李冰冰')]]
====================================================================================================
文本马志舟1907年出生陕西三原人汉族中国共产党任红四团第一连连长1933年逝世
主体: [['马志舟']]
客体: [['汉族', '1907年', '中国', '陕西三原']]
关系: [[('马志舟', '出生日期', '1907年'), ('马志舟', '出生地', '陕西三原'), ('马志舟', '民族', '汉族'), ('马志舟', '国籍', '中国')]]
====================================================================================================
文本斑刺莺是雀形目剌嘴莺科的一种动物分布于澳大利亚和新西兰包括澳大利亚新西兰塔斯马尼亚及其附近的岛屿
主体: [['斑刺莺']]
客体: [['雀形目']]
关系: [[('斑刺莺', '目', '雀形目')]]
====================================================================================================
文本: 《课本上学不到的生物学2是2013年上海科技教育出版社出版的图书
主体: [['课本上学不到的生物学2']]
客体: [['上海科技教育出版社']]
关系: [[('课本上学不到的生物学2', '出版社', '上海科技教育出版社')]]
====================================================================================================

参考

模型参考:bert4torch/task_relation_extraction_gplinker.py

将“softmax+交叉熵”推广到多标签分类问题 - 科学空间|Scientific Spaces

GPLinker:基于GlobalPointer的实体关系联合抽取 - 科学空间|Scientific Spaces

About

基于pytorch的GlobalPointer进行三元组抽取。

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Python 100.0%