课程大作业基于bert4keras开放领域的关系抽取python源码+部署说明.zip

【资源说明】 课程大作业基于bert4keras开放领域的关系抽取python源码+部署说明.zip 1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能。 欢迎下载，欢迎交流，互相学习进步！ 本项目是利用深度学习技术进行开放领域的关系抽取，算法模型可以处理多个三元组。 开放领域关系抽取是从文本中抽取三元组，不同于限定域的关系抽取，开放关系抽取并不限制关系的种类和数量，即所识别的关系(relation)在文本中体现。于是将("n", 标签)组合成一个大类，然后可以将开放关系抽取转化为一个NER问题，其中n对应的是文本中三元组的数量。对于NER任务，我们采用[GPLinker模型](https://kexue.fm/archives/8926)，相应代码在openRE_train_v2中。 所需环境 Python==3.6 tensorflow==1.14.0 keras==2.3.1 bert4keras==0.10.9 项目目录 ├── bert4keras ├── data    存放数据 ├── pretrained_model    存放预训练模型 ├── extract_chinese_and_punct.py ├── openRE_train.py    训练代码 ├── openRE_train_v2.py    训练代码v2 ├── openRE_predict.py    评估和测试代码 数据集 采用[COER语料库]，对原始数据进行了筛选，处理好的数据存放在data/CORE文件夹下。 ``` "text": "巴基斯坦国家灾害管理局局长法鲁克、巴内阁事务部长穆罕默德", "sro_list": [{"subject": "巴", "relation": "内阁事务部长", "object": "穆罕默德"}, {"subject": "巴基斯坦国家灾害管理局", "relation": "局长", "object": "法鲁克"}] ``` 三元组中的实体和关系均出现在文本中。 训练集和验证集中的每个句子都有n个三元组(2=<n<=4)，数据统计情况： | 数据集 | 2个 | 3个 | 4个 | | :------:| :------: | :------: | :------: | | train | 8858 | 767 | 264 | | dev | 2238 | 177 | 58 | 使用说明 1.[下载预训练语言模型] 可采用BERT-Base, Chinese等模型 2.构建数据集(数据集已处理好)   train.json和dev.json 3.训练模型 ``` python openRE_train.py ``` 4.评估和测试 ``` python openRE_predict.py ``` 结果 | 数据集 | f1 | precision | recall | | :------:| :------: | :------: | :------: | | train | 0.92781 | 0.92947 | 0.92616 | | dev | 0.62125 | 0.61854 | 0.62397 | | dev(v2) | 0.76922 | 0.80624 | 0.73545 |