G:\B_Packages\PycharmProject\ChineseNRE.zip

# ChineseNRE 本项目使用 + python 3.6 + pytorch 1.2.0 中文实体关系抽取，对实体关系抽取不了解的可以先看<a href="https://blog.csdn.net/buppt/article/details/82961979">这篇文章</a>。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）<a href="https://github.com/buppt/ChineseNRE/issues/7">issues7</a>中 ybNero 同学分享了一份数据集，大家可以去issues中查看~ 数据划分为三部分：训练集(1400)、验证集(300)、测试集(300) ``` 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 自己电脑跑的一部分数据，结果如下。 | 准确率 | 召回率 | F1值 | | ------ | ------ | ------ | | 55.08% | 55.59% | 55.33% | ## 参考 Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification 论文地址:https://www.aclweb.org/anthology/P16-2034/ ## 更新日志 2019-10-25 第一版，不定期进行修改与优化。