开源中文关系抽取框架，来自浙大知识引擎实验室

最新推荐文章于 2024-07-23 08:42:26 发布
最新推荐文章于 2024-07-23 08:42:26 发布
阅读量2k 收藏 18
点赞数
文章标签： 图像识别 人工智能 计算机视觉 深度学习 大数据
原文链接：https://loveai.tech
版权


向AI转型的程序员都关注了这个号????????????

机器学习AI算法工程   公众号：datayx

DeepKE

DeepKE 是基于 Pytorch 的深度学习中文关系抽取处理套件。

环境依赖:

python >= 3.6

  • torch >= 1.2

  • hydra-core >= 0.11

  • tensorboard >= 2.0

  • matplotlib >= 3.1

  • transformers >= 2.0

  • jieba >= 0.39

中文关系抽取

  1. 基于 CNN 的关系抽取模型

  2. 基于 BiLSTM 的关系抽取模型

  3. 基于 PCNN 的远程监督关系抽取模型

  4. 基于 Capsule 的关系抽取模型

  5. 基于 Transformer 的关系抽取模型

  6. 基于 GCN 的关系抽取模型

  7. 基于 BERT 语言预训练模型的关系抽取模型

代码 以及运行教程  获取：

关注微信公众号 datayx  然后回复  抽取  即可获取。

AI项目体验地址 https://loveai.tech

快速开始

数据为 csv 文件，样式范例为：

  • 安装依赖： pip install -r requirements.txt

  • 存放数据：在 data/origin 文件夹下存放训练数据。训练文件主要有三个文件。更多数据建议使用百度数据库中Knowledge Extraction。

    • train.csv：存放训练数据集

    • valid.csv：存放验证数据集

    • test.csv：存放测试数据集

    • relation.csv：存放关系种类

  • 开始训练：python main.py

  • 每次训练的日志保存在 logs 文件夹内，模型结果保存在 checkpoints 文件夹内

阅读过本文的人还看了以下文章：

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank，用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源！CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

VGG16迁移学习，实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx  

机大数据技术与机器学习工程

 搜索公众号添加： datanlp

长按图片，识别二维码

datayx
关注
【KBQA】医疗知识图谱的问答系统实现
sikh_0529的博客
03-03 3814
医疗知识图谱是一种揭示医学实体之间关系的语义网络，可以用于支持医疗领域的智能应用，例如问答、诊断、推荐等。医疗知识图谱构建中Schema定义是指对医学领域内的概念类型、属性和关系进行抽象和规范，形成一个领域本体，用于指导知识图谱的数据获取、存储和查询。Schema定义是知识图谱构建的重要步骤，需要综合考虑业务场景、数据资源、术语标准化和概念通用性等因素。医疗知识图谱问答系统Schema定义是指在构建医疗知识图谱的基础上，设计一种用于表示和查询医疗领域问题和答案的数据结构。
3.知识图谱业务落地技术推荐之图神经网络算法库&图计算框架汇总
丨汀、的博客
02-13 1121
结合PaddlePaddle深度学习框架，我们的框架基本能够覆盖大部分的图网络应用，包括图表示学习以及图神经网络。与目前的图深度学习库 PyTorch Geometric（PyG）和 Deep Graph Library（DGL）相比，虽然 PyG 和 DGL 支持基本的图深度学习操作，但 DIG 为更高层次的、面向研究的图深度学习任务提供了一个统一的测试平台，如graph generation，self-supervised learning,，explainability 以及 3D graphs。
pytorch实现textCNN
热门推荐
无所知的博客
12-17 3万+
pytorch实现textCNN1. 原理2. 数据预处理2.1 转换为csv格式2.2 观察数据分布2.3 由文本得到训练用的mini-batch数据3. 模型4. 训练脚本5. main函数6.引用 1. 原理 2014年的一篇文章，开创cnn用到文本分类的先河。Convolutional Neural Networks for Sentence Classification 原理说简单也简单...
TextCNN pytorch实现
m0_50896529的博客
11-02 3330
TextCNN结构 以下为原论文中的模型结构图： embedding 卷积层 MaxPooling Flatten 全连接层 卷积操作 在卷积神经网络中仅涉及离散卷积的情形。 卷积运算的作用就类似与滤波，因此也称卷积核为filter滤波器。 卷积神经网络的核心思想是捕捉局部特征（n-gram）。CNN的优势在于能够自动地对g-gram特征进行组合和筛选，获得不同抽象层次的语义信息。 下图为用于文本分类任务的TextCNN结构描述（这里详细解释了TextCNN架构以及词向量矩阵是如何做卷积的）
中文句子关系抽取
最新发布
qq_20182781的博客
07-23 365
关系抽取是指从非结构化文本中抽取语义关系的一项基本任务。提取出来的关系通常发生在两个或多个特定类型的实体之间(例如，人、组织、地点等)， 比如在人际之间的关系有同门、朋友、夫妻、同事、父母、上下级等。
pytorch 实现 textCNN
杂文集
04-04 8748
textCNN 模型 textCNN模型主要使用了一维卷积层和时序最大池化层。假设输入的文本序列由nn个词组成，每个词用dd维的词向量表示。那么输入样本的宽为nn，高为1，输入通道数为dd。textCNN的计算主要分为以下几步。 定义多个一维卷积核，并使用这些卷积核对输入分别做卷积计算。宽度不同的卷积核可能会捕捉到不同个数的相邻词的相关性。 对输出的所有通道分别做时序最大池化，再将这些通道的池化输...
Nat Med | 医学中的大语言模型
m0_59164304的博客
07-15 980
总结了LLM的优势和局限性，以及它们在提高医学临床、教育和研究工作的效率和效果方面的潜力。可作为感兴趣的临床医师的入门读物，将确定是否以及如何将LLM技术用于医疗保健，以造福患者和医师。
【Pytorch】学习记录分享10——TextCNN用于文本分类处理
格物致知
12-30 607
该代码对应上述的图像中的模块实现，CNN用于处理文本数据。
OpenKG开源系列 | 大规模中文概念图谱OpenConcepts (浙江大学)
开放知识图谱
07-15 2935
OpenKG地址：http://openkg.cn/dataset/openconcept官网：http://openconcepts.openkg.cn（提供Dump）开放许可协议：CC...
频谱知识图谱：面向未来频谱管理的智能引擎人工智能技术与咨询
m0_62870606的博客
11-08 2170
频谱知识图谱：面向未来频谱管理的智能引擎 人工智能技术与咨询4天前 本文来自《通信学报》，作者孙佳琛等 关注微信公众号：人工智能技术与咨询。了解更多咨询！ 1 引言 频谱管理是指综合运用行政、技术和工程等手段对电磁频谱使用进行筹划、组织、协调和控制，以免用频设备、系统及业务间的相互干扰[1]。早期的频谱管理主要依靠人工制定频谱政策、用频规则，通过为用频设备、系统和业务统一划分频段、指配频率来实现，适用于用频需求有限、电磁环境相对简单的情况。这种条块分割的静态管理模式侧重计划分配、被动响应，人工成.
机器学习/人工智能开源项目整理＜一＞
编程大魔王
06-17 1777
一份关于机器学习/人工智能开源项目整理清单
chinese_text_cnn：TextCNN Pytorch实现中文文本分类情感分析
02-03
TextCNN Pytorch实现中文文本分类 论文 参考 依赖项 python3.5 pytorch == 1.0.0 torchtext == 0.3.1 jieba == 0.39 词向量 （这里用的是Zhihu_QA知乎问答训练出来的单词Word2vec） 用法 python3 main.py -h 训练 python3 main.py 准确率 CNN-rand随机初始化嵌入 python main.py Batch[1800] - loss: 0.009499 acc: 100.0000%(128/128) Evaluation - loss: 0.0000
中文实体关系抽取数据集 Chinese-Literature-NER-RE-Dataset
10-05
基于几个可用的NER和RE数据集定义了7个实体标签和9个关系标签。实体(Entity)：每个实体都由带有多个属性的T标签标识。关系(Relation):每个关系由R标签标识，该标签可以具有多个属性。
自然语言处理（NLP）：08 PyTorch深度学习之TextCNN短文本分类
01-06
本章节主要研究内容：基于PyTorch 深度学习工具来完成短文本分类 知识点 业务需求 文本分类应用场景、技术方案以及挑战 技术架构 文本分析 词向量 CNN 原理 tensorboardX 可视化 项目实战： 基于TextCNN短文本分类，主要从数据预处理、构建此表、Embedding、模型训练、tensorboardX可视化以及在线服务几个重要的环境进行学习 文本分类应用场景 文章分类服务对文章内容进行深度分析，输出文章的主题一级分类、主题二级分类及对应的置信度，该技术在个性化推荐、文章聚合、文本内容分析等场景具有广泛的应用价值. 新闻分类 根据文本描述的内容方向，针对新闻媒体的文章做自动
Pytorch 实现文本分类
06-11
文本分类的标准代码，Pytorch实现 数据集Dataset - IMDB - SST - Trec ### 模型 - FastText - BasicCNN (KimCNN,MultiLayerCNN, Multi-perspective CNN) - InceptionCNN - LSTM (BILSTM, StackLSTM) - LSTM with Attention (Self Attention / Quantum Attention) - Hybrids between CNN and RNN (RCNN, C-LSTM) - Transformer - Attention is all you need - ConS2S - Capsule - Quantum-inspired NN
pytorch实现自己的textCNN
weixin_30301449的博客
04-03 406
对于初学深度学习的人来说，直接上手NLP的梯度较大。 首先，理解词向量就有一定的困难。关于词向量的的详细描述，可以参考《word2vec Parameter Learning Explained》的解释。一个100列的词向量可以简单理解为有100个特征（feature）的向量，如同一个人有100个特征一样，这100个特征“完备”的描述了这个人的所有性质。 简单理解了词向量之后，作为初学者，肯定...
文本分类：TextCNN（pytorch实现）
MCZ777的博客
09-01 2220
TextCNN 原理：核心点在于使用卷积来捕捉局部相关性，在文本分类任务中可以利用CNN提取句子中类似n-gram的关键信息。 textcnn详细过程：第一层是图中最左边的7乘5的句子矩阵，每行是词向量，维度=5。然后经过不同 filter_size的一维卷积层（这里是2,3,4），每个filter_size 有filter_num（这里是2）个输出 channel。第三层是一个1-max pooling层，这样不同长度句子经过pooling层之后都能变成定长的表示了，最后接一层全连接的 softm
新质生产力：大语言模型在医疗辅助决策中的挑战、期望和应用场景
xiangxueerfei的博客
05-10 1990
大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。为了让大家少走弯路，少碰壁，这里我直接把。以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
TextCNN网络详解（pytorch实现文本分类）
weixin_64017116的博客
05-13 1318
textcnn网络在NLP文档分类任务上有较好的性能，让我们来了解一个TextCNN的网络结构及pytorch代码实现
RaspyControlLab：开源 Raspberry Pi 和 Python 控制系统远程实验室
"这篇论文介绍了一个名为RaspyControlLab的开源远程实验室，它基于树莓派和Python，专为自动控制系统教育设计。该实验室旨在降低成本，使得学生和教育工作者能够更容易地进行实验和学习。实验室的硬件成本大约为461...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值