NLP系列（8）三元组识别（Bert+CRF）pytorch

模型介绍

在实体识别中：使用了Bert模型，CRF模型

在关系识别中：使用了Bert模型的输出与实体掩码，进行一系列变化，得到关系

Bert模型介绍可以查看这篇文章：NLP系列（2）文本分类（Bert）pytorch_bert文本分类-CSDN博客

CRF模型介绍可以查看这篇文章：NLP系列（6）文本实体识别（Bi-LSTM+CRF）pytorch_bi-lstm crf_牧子川的博客-CSDN博客

模型结构

画了一个简易图

数据介绍

数据网址：​​​​​​https://github.com/buppt//raw/master/data/people-relation/train.txthttps://github.com/buppt//raw/master/data/people-relation/train.txt

实体1  实体2  关系 文本

模型准备

将处理的数据通过bert模型计算得到两个实体的权重，然后送入到CRF模型计算两个实体损失，然后借鉴Bert模型的掩码，将bert的输出与实体掩码及其计算，得到关系的损失，将两个损失相加，得到模型的总损失。

    def compute_loss(self, input_ids, attention_mask, tag_ids, sub_mask, obj_mask, labels, real_lengths):
        hidden_output, pooled_output = self.get_features(input_ids, attention_mask)
        feats = self.hidden2tag(hidden_output)
        total_scores = self.get_total_scores(feats, real_lengths)
        gold_score = self.get_golden_scores(feats, tag_ids, real_lengths)
        ner_loss = torch.mean(total_scores - gold_score)
        relation_logits = self.get_relation_logit(pooled_output, hidden_output, sub_mask, obj_mask)
        relation_loss = self.criterion(relation_logits, labels)
        return ner_loss + relation_loss

模型预测

文本：
除演艺事业外，李冰冰热心公益，发起并亲自参与多项环保慈善活动，积极投身其中，身体力行担起了回馈社会的责任于02年出演《少年包青天》，进入大家视线
预测结果：
少年包青天 - 主演 - 李冰冰
=========================================
文本：
马志舟，1907年出生，陕西三原人，汉族，中国共产党，任红四团第一连连长，1933年逝世
预测结果：
马志舟 - 国籍 - 中国
马志舟 - 出生日期 - 1907年
马志舟 - 民族 - 汉族
马志舟 - 出生地 - 陕西三原 

源码获取

Bert+CRF 三元组识别https://github.com/mzc421/Pytorch-NLP/tree/master/13-Bert%2BCRF%20%E4%B8%89%E5%85%83%E7%BB%84%E8%AF%86%E5%88%AB硬性的标准其实限制不了无限可能的我们，所以啊！少年们加油吧！