基于python开发的提取文本中的三元组源码.rar

# 使用pyhanlp提取文本中的三元组 修改自[基于DGCNN和概率图的轻量级信息抽取模型](https://kexue.fm/archives/6671#%E6%A0%B7%E6%9C%AC%E7%89%B9%E7%82%B9) 代码：[https://github.com/bojone/kg-2019](https://github.com/bojone/kg-2019) 原项目是python2环境，并且模型需要自行训练。修改后的项目支持python3环境运行，并且带有训练好的模型文件，可直接运行。 ``` @misc{   jianlin2019bdkgf,   title={A Hierarchical Relation Extraction Model with Pointer-Tagging Hybrid Structure},   author={Jianlin Su},   year={2019},   publisher={GitHub},   howpublished={\url{https://github.com/bojone/kg-2019}}, } ``` ## 运行环境 - JRE - python3 ## 词向量模型 词向量：https://pan.baidu.com/s/1YYE2T3f-lPyLBrJuUowAsA，密码:5p0h ## 数据集下载地址 - [train_data.json](https://dataset-bj.cdn.bcebos.com/sked/train_data.json) - [dev_data.json](https://dataset-bj.cdn.bcebos.com/sked/dev_data.json) - [all_50_schemas](https://dataset-bj.cdn.bcebos.com/sked/all_50_schemas) ## 效果: |Precision|Recall|F1| |:-:|:-:|:-:| |0.8939 | 0.8679 | 0.8807|  ## 使用方式 - 下载数据集，放置在`config.py`中`DATASET_DIR`对应的目录下 - 下载word2vec数据集，放置在`config.py`中`w2v_model_path`对应的路径位置 ``` pip3 install requirements.txt ``` ### 模型训练 ``` python3 train.py ``` ### 预测结果 ``` python3 predict.py ```