访问官网
Github
文档
论文[2021/12/20 更新] 作者重新实现
感谢大家对这个项目的关注,很抱歉丢失了原始的预处理数据。
它在我之前的实验室里弄丢了,我终于有时间重新实现了😂。
我也想感谢 @LuoXukun 关于复现的精彩回复。
| NYT | 精确率 | 召回率 | F1值 |
|---|---|---|---|
| GraphRel1p (论文) | 62.9 | 57.3 | 60.0 |
| GraphRel1p (重新实现) | 60.9 | 59.2 | 60.1 |
| GraphRel2p (论文) | 63.9 | 60.0 | 61.9 |
| GraphRel2p (重新实现) | 63.1 | 60.2 | 61.6 |
[ACL'19 (长文)] GraphRel: 将文本建模为关系图以进行联合实体和关系抽取
GraphRel的PyTorch实现
概述
GraphRel是对以下论文的实现
"GraphRel: 将文本建模为关系图以进行联合实体和关系抽取"
傅祖瑞、李鹏轩和马偉雲
发表于2019年计算语言学协会年会(ACL)(长文)
在第一阶段,我们采用双向RNN和GCN来提取序列和区域依赖的词特征。给定词特征,我们预测每对词之间的关系以及所有词的实体。然后,在第二阶段,基于第一阶段预测的关系,我们为每个关系构建完整的关系图,对每个图应用GCN以整合每个关系的信息,并进一步考虑实体和关系之间的交互。
要求
此代码在Python3.8和PyTorch 1.7下实现。
使用方法
python -m spacy download en_core_web_lg
python main.py --arch=2p
我们还提供了训练好的检查点。
引用
@inproceedings{fu2019graph-rel,
author = {Tsu-Jui Fu and Peng-Hsuan Li and Wei-Yun Ma},
title = {{GraphRel: 将文本建模为关系图以进行联合实体和关系抽取}},
booktitle = {计算语言学协会年会 (ACL)},
year = {2019}
}
