# 复现CNN 和 lstm+att 做关系抽取
##实验结果
### cnn
Micro-averaged result (excluding Other):
P = 2004/2262 = 84.36% R = 2004/2449 = 79.23.% F1 = 81.18%
MACRO-averaged result (excluding Other):
P = 83.66% R = 77.15% F1 = 80.72%
### a-cnn
#### 此结果运行代码 https://github.com/lawlietAi/pytorch-acnn-model 所得
Micro-averaged result (excluding Other):
P = 2004/2262 = 85.59% R = 2004/2449 = 79.83% F1 = 82.78%
MACRO-averaged result (excluding Other):
P = 85.66% R = 78.15% F1 = 81.72%
### lstm+att
Micro-averaged result (excluding Other):
P = 2004/2262 = 83.59% R = 2004/2449 = 79.83% F1 = 81.75%
MACRO-averaged result (excluding Other):
P = 82.66% R = 79.15% F1 = 80.72%
# Usage
## Train
#! /bin/bash
mkdir -p saved_models
CUDA_VISIBLE_DEVICES=2 python3 src/train.py --num_epochs=200 --word_dim=50
python src/train.py --num_epochs=200 --word_dim=50 --test
src/scorer.pl data/results.txt data/test_keys.txt
python src/train.py --num_epochs=200 --word_dim=300
python src/train.py --num_epochs=200 --word_dim=300 --test
# Data
SemEval-2010 Task #8
# Reference
- Relation Classification via Convolutional Deep Neural Network (COLING 2014), D Zeng et al.
- Relation Extraction: Perspective from Convolutional Neural Networks (NAACL 2015), TH Nguyen et al.
- Zhou. (2016). Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification. ACL
- https://github.com/lawlietAi/pytorch-acnn-model
- https://github.com/FrankWork/conv_relation
没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
收起资源包目录
目前常用的基于深度学习的有监督关系抽取方法.zip (14个子文件)
content
deep_re
utils.py 3KB
lable_init.py 582B
Model_lstm.py 8KB
main.py 6KB
Model_cnn.py 9KB
base_model.py 749B
scorer.pl 15KB
run 396B
reader
__init__.py 0B
__pycache__
base.cpython-36.pyc 8KB
__init__.cpython-36.pyc 153B
base.py 10KB
config.py 2KB
README.md 2KB
共 14 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3910
- 资源: 7441
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功