Project Icon

BERT-Relation-Extraction

改进BERT模型在关系抽取任务中的应用与效果分析

该项目实现了ACL 2019论文《Matching the Blanks: Distributional Similarity for Relation Learning》的PyTorch开源版本,涵盖BERT、ALBERT和BioBERT三种模型。项目提供预训练和微调方法,并通过SemEval 2010任务8和FewRel数据集验证了模型在关系抽取任务中的表现。

项目概述

BERT-Relation-Extraction 项目提供了一种基于 PyTorch 的关系提取模型实现。这些模型依据2019年ACL会议所发表的论文《Matching the Blanks: Distributional Similarity for Relation Learning》的方法构建。该项目虽然不是论文的官方仓库,但实现了多个关系提取模型,包括 ALBERT 和 BioBERT。

项目要求

使用该项目需要满足以下基础环境条件:

  • Python 3.8 及以上版本。

安装所需的 Python 包和 Spacy 的大英文模型,可以通过以下命令实现:

python3 -m pip install -r requirements.txt
python3 -m spacy download en_core_web_lg

另外,项目中使用了预训练的 BERT、ALBERT 和 BioBERT 模型,这些模型可以在 HuggingFace 和其他来源找到。例如,BioBERT 模型可以从 dmis-lab 的 GitHub 中下载并解压到 ./additional_models 文件夹下。

预训练:BERTEM + MTB 方法

项目中提供了一种名为 “匹配空白”(Matching the Blanks)的预训练方法。通过运行 main_pretraining.py 文件并传入相应参数,可以使用来自 CNN 数据集的预训练数据进行模型的训练。预训练数据可为任意连续文本文件,本项目通过 Spacy NLP 从文本中提取实体对来形成训练的关系语句。

值得注意的是,预训练的速度取决于可用的 GPU 资源。不过,即使不进行预训练,直接微调关系抽取任务也能达到不错的效果。

微调:SemEval2010 第8项任务

对于微调,项目使用了 SemEval2010 Task 8 数据集。可以通过运行 main_task.py 文件并提供相应参数来进行微调。数据集需要从提供的 GitHub 链接下载并解压到 ./data/ 文件夹中。

预测

项目支持句子的关系推断。用户只需在感兴趣的句子中标注待检测的两个实体,模型即可预测它们之间的关系。例如:

Type input sentence ('quit' or 'exit' to terminate):
The surprise [E1]visit[/E1] caused a [E2]frenzy[/E2] on the already chaotic trading floor.

系统将返回关系预测结果,例如:Cause-Effect(e1,e2)

FewRel 任务

项目同样支持 FewRel 任务,用户需要下载 FewRel 1.0 数据集并解压至 ./data/ 文件夹,然后通过运行 python main_task.py --task fewrel 来启动任务。

基准测试结果

SemEval2010 第8项任务

  1. 基础架构:BERT base uncased 模型
    • 未使用 MTB 预训练:在 100% 的训练数据下进行训练,F1 得分显示模型性能。
  2. 基础架构:ALBERT base uncased 模型
    • 未使用 MTB 预训练:同样在 100% 的训练数据下进行训练。

项目改进计划

后续计划包括:利用 MTB 预训练进行基准测试推断和 FewRel 任务的优化。

通过这个简单易懂的介绍,相信读者对 BERT-Relation-Extraction 项目有了基本的认识和理解。项目不仅展示了 BERT 模型的多样化应用,还提供了详细的使用方法,使其在关系提取领域具有广泛的应用潜力。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号