🔎 原项目地址（Tensorflow实现）：https://github.com/yuanxiaosc/Entity-Relation-Extraction
1.管道式三元组抽取模型。第一层模型为多标签关系分类模型，第二层模型为基于上层模型输出关系的序列标注模型。 2.两个模型可以分开训练和验证，但是预测三元组时要按顺序执行。 3.数据为百度2019语言与智能技术竞赛中的数据。
- 原始数据存放于raw_data文件夹下。
- 训练集：train_data.json，测试集：dev_data.json
- 文本内容： "text": "内容简介《宜兴紫砂图典》由故宫出版社出版"
- 三元组标注： "spo_list": [{"predicate": "出版社", "object_type": "出版社", "subject_type": "书籍", "object": "故宫出版社", "subject": "宜兴紫砂图典"}]}
- 注明： 数据预处理脚本中的竞赛模式（Competition_Mode）设置为False时会将验证集作为测试集转化（便于查看效果），设置为True时会转化测试集数据。
存放在model文件夹下，需要有以下三个文件
bert_config.json：bert的模型的基本配置文件pytorch_model.bin：预训练模型vocab.txt：字典文件
- 准备关系数据：运行
bin/predicate_classifiction文件夹下的predicate_data_manager.py脚本，之后会在当前目录下生成训练，验证和测试数据集. - 准备标注数据：运行
bin/subject_object_labeling文件夹下的sequence_labeling_data_manager.py脚本，之后会在当前目录下生成训练，验证和测试数据集
关系分类
--data_dir ：数据预处理后的数据路径
--model_dir： 预训练模型路径
--task_name： 任务名
--vocab_file： 预训练词表位置
--output_dir： 输出保存路径
--do_lower_case： 英文字母是否转化为小写
--max_seq_length： 最大句长
--do_train： 是否训练
--do_eval： 是否验证
--do_predict： 是否预测
--train_batch_size： 训练批次大小
--eval_batch_size： 验证批次大小
--predict_batch_size： 预测批次大小
--learning_rate： 学习率
--num_train_epochs： 一共训练几个迭代
--warmup_proportion： 热身学习占比
序列标注
## 文件参数
--data_dir ：数据预处理后的数据文件路径
--output_path： 模型和验证结果输出路径
--pretrained_dir： 预训练模型路径
## 模型
--task_name： 任务名
## 任务选择
--do_train： 是否训练
--do_eval： 是否验证
--do_predict： 是否预测
## 运行参数
--max_seq_length： 最大句长
--train_batch_size： 训练批次大小
--eval_batch_size： 验证批次大小
--predict_batch_size： 预测批次大小
--learning_rate： 学习率
--num_train_epochs： 反复训练几次
--warmup_proportion： 热身学习占比
- 训练和验证时：
- 关系分类模型：运行
relation_classifier.py脚本，参数可在Args.py脚本中调整 - 序列标注模型：运行
run_sequnce.py脚本，参数在主函数代码中调整。
- 关系分类模型：运行
预测时，先运行 relation_classifier.py 脚本，然后在 bin/predicate_classifiction 文件夹下运行 prepare_data_for_labeling_infer.py 脚本生成关系预测的结果。
然后再运行 run_sequnce.py 脚本，生成最终的标注结果。最后运行 produce_submit_json_file.py 脚本，生成三元组抽取结果。
流程结束后在output文件夹下，生成以下五个文件夹：
predicate_infer_out 存放关系分类预测的结果（用于序列标注）
sequence_infer_out 存放序列标注预测的结果
sequnce_labeling_model 存放序列标注模型
predicate_classifiction_model 存放关系分类的模型
- 三元组抽取输出：
- 抽取结果在
output/final_text_spo_list_result文件夹下，同原始数据的标注类似（如下）。
- 抽取结果在
"text": "如何演好自己的角色，请读《演员自我修养》《喜剧之王》周星驰崛起于穷困潦倒之中的独门秘笈"
"spo_list": [{"object_type": "人物", "predicate": "主演", "object": "周星驰",
"subject_type": "影视作品", "subject": "喜剧之王"}]
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent