终于把OpenNRE跑起来了

最新推荐文章于 2024-03-21 09:51:05 发布
最新推荐文章于 2024-03-21 09:51:05 发布
阅读量779 收藏 3
点赞数 1
分类专栏： python 文章标签： 自然语言处理 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_51402119/article/details/120516669
版权

在ubuntu18.04里面跑的

**step1:**在OpenNRE所在的目录里执行

pip3 install -r requirements.txt --no-cache-dir

注意一定要有–no-cache-dir，否则后面很容易被杀死

**step2:**也是在OpenNRE所在的目录里执行

sudo python3 setup.py install

和：

sudo python3 setup.py develop

**step3:**在终端输入python3，打开python3，然后按照http://nlp.csai.tsinghua.edu.cn/project/opennre/
这个网址后面说的使用

感觉这个东西有点鸡肋啊，要分析某一句话必须要使用它对应的那个模型才行

衣昂崖凈
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
在TensorFlow中使用LSTM实现神经关系提取-python
06-18
在TensorFlow中使用LSTM实现神经关系提取 OpenNRE 我们有一个 DEMO 网站（http://opennre.thunlp.ai/）。 试试看！ OpenNRE 是一个开源且可扩展的工具包，它提供了一个统一的框架来实现关系提取模型。 这个包是为以下人群设计的： 关系抽取新手：我们有手把手教程和详细的文档，不仅可以让您使用关系抽取工具，还可以帮助您更好地了解该领域的研究进展。 开发人员：我们易于使用的界面和高性能实现可以加速您在实际应用程序中的部署。 此外，我们提供了几个预训练模型，无需任何培训即可投入生产。 研究人员：通过我们的模块化设计、各种任务设置和度量工具，您只需稍作修改就可以轻松地对自己的模型进行实验。 我们还为不同的关系提取设置提供了几个最常用的基准。 任何需要提交 NLP 作业以给教授留下深刻印象的人：凭借最先进的模型，我们的软件包绝对可以帮助您在同学中脱颖而出！ 这个包主要由高天宇、徐涵、曹淑莲、Lumin Tang、Yankai Lin、Zhiyuan Liu 贡献 什么是关系抽取 关系抽取是一项自然语言处理 (NLP) 任务，旨在抽
关系提取：tensorflow 2.0中基于RNN和CNN的关系提取模型
02-14
最好在Markdown阅读器中查看此文件（例如 ） 概述 您将实现双向GRU以及用于关系提取的原始模型： GRU宽松地基于基于注意力的双向关系长期双向短期记忆网络的工作方法（Zhou等，2016）。 您将需要实现： 双向GRU 注意层 L2正则化 此外，您将设计自己的网络体系结构来解决此任务。 您可以自己想一想，也可以根据纸上已知的解决方案进行思考。 作业pdf中提供了更多详细信息。 安装 环境与过去的环境相同，减去了requirements.txt中的额外requirements.txt 。 但我们强烈建议您为任务4创造新的环境。 该分配是在python 3.6和tensorflow 2.0中实现的。 请按照以下步骤设置您的环境： 使用Python 3.6创建Conda环境 conda create -n nlp-hw4 python=3.6 激活Conda环境。 您将需要在
探索OpenNRE：自然语言理解的开源关系抽取框架
最新发布
gitblog_00033的博客
03-21 355
探索OpenNRE：自然语言理解的开源关系抽取框架 项目地址:https://gitcode.com/thunlp/OpenNRE 项目简介 OpenNRE 是由清华大学自然语言处理实验室（THUNLP）开发的一个全面的、开放源代码的关系抽取框架。该项目的目标是为研究者和开发者提供一个便利的工具集，以便于在自然语言处理任务中进行关系抽取工作，从而推动相关领域的研究和发展。 技术分析 关系抽取是自然...
open nre bert
08-07
open nre bert
神经关系提取（NRE）的开源软件包-Python开发
05-25
OpenNRE我们有一个DEMO网站（http://opennre.thunlp.ai/）。 试试看！ OpenNRE是一个开源且可扩展的工具包，它提供了用于实现关系提取模型的统一框架。 该软件包是为OpenNRE设计的。我们有一个DEMO网站（http://opennre.thunlp.ai/）。 试试看！ OpenNRE是一个开源且可扩展的工具包，它提供了用于实现关系提取模型的统一框架。 该软件包适用于以下人群：关系提取的新手：我们提供了手工教程和详细文档，它们不仅使您能够使用关系提取工具，而且还可以帮助您更好地了解该领域的研究进展。 开发人员：我们易于使用的内部
opennre 中文关系抽取_OpenNRE 2.0：可一键运行的开源关系抽取工具包
weixin_39600291的博客
11-27 577
OpenNRE(https://github.com/thunlp/OpenNRE.git)是清华大学自然语言处理实验室推出的一款开源的神经网络关系抽取工具包，包括了多款常用的关系抽取模型，发布仅一年即在 Github 上获得了 1700+ 星标。现在这款工具包已经悄悄更新到了 2.0 版本！在原版 TensorFlow 实现的基础上，不仅采用了现在大热的 PyTorch 作为基础，设计了更加模块...
OpenNRE:神经关系提取（NRE）的开源软件包-Open source
03-25
OpenNRE 我们有一个DEMO网站（ ）。 试试看！ OpenNRE是一个开源且可扩展的工具包，它提供了用于实现关系提取模型的统一框架。 该软件包是为以下人群设计的： 关系提取的新知识：我们提供了手工教程和详细文档，它们不仅使您能够使用关系提取工具，而且还可以帮助您更好地了解该领域的研究进展。 开发人员：我们易于使用的界面和高性能的实现可以加速您在实际应用程序中的部署。 此外，我们提供了几种预训练的模型，这些模型无需任何培训即可投入生产。 研究人员：借助我们的模块化设计，各种任务设置和度量工具，您只需进行少量修改就可以轻松地对自己的模型进行实验。 我们还为关系提取的不同设置提供了几种最常用的基准。 任何需要提交NLP作业以打动他们的教授的人：借助最先进的模型，我们的软件包可以绝对帮助您在同学中脱颖而出！ 该软件包主要由，，，，，贡献。 什么是关系提取 关系提取是一种自然
OpenNRE 2.0：可一键运行的开源关系抽取工具包
Paper weekly
10-30 4953
OpenNRE（https://github.com/thunlp/OpenNRE.git）是清华大学自然语言处理实验室推出的一款开源的神经网络关系抽取工具包，包括了多款...
thunlp opennre安装
小小酥的博客
12-30 532
在ubuntu下安装 python用3.8即可 FAQ: 鼠标变成十字：kill掉import进程 ctrl+alt+t ps -A|grep import kill -9 11292
OpenNRE安装与浅尝
gaoshiqing1248的博客
03-06 860
OpenNRE安装与浅尝
opennre 中文关系抽取_数字出版技术国家重点实验室参加CCL 2020大会并展示中文媒体事件抽取研究成果...
weixin_39932762的博客
11-27 251
第十九届中国计算语言学大会(The Nineteenth China National Conference on Computational Linguistics, CCL 2020)于2020年10月30日—11月1日在线上举行，数字出版技术国家重点实验室研究人员参加了大会，并在大会上分别进行了“A Novel Joint Framework for Multiple Chines...
DiagnoseAdv
04-01
安装opennre == 0.1 运行pip install -r requirements.txt以安装其他依赖项 跑步 在dataset文件夹下准备TACRED和Wiki80数据集的原始样本： 有关示例格式，请参阅以下“ Data format部分。 dataset/ ├── tacred...
thunlp的OpenNRE的使用
上帝是个娘们的博客
11-28 4259
发表OpenNRE的论文，论文详细说明了OpenNRE的各个组件。 OpenNRE的github的地址。 清华整理的做关系抽取必读的文章的地址。 OpenNRE实现了基于sentence-level，bag-level和few-shot的relation extraction（关系抽取）。bag-level的关系抽取也就是基于远程监督的关系抽取。 OpenNRE的结构 OpenNRE主要包括Tok...
2021-07-06
weixin_42668179的博客
07-07 445
https://github.com/duoergun0729/nlp 加载url列表 with open("…/data/news_sohusite_url.txt") as F: url = F.readlines() F.close() for index,u in enumerate(url): for k, v in SogouTCE_kv.items(): 只加载id为81，79和91的数据,同时注意要过滤掉内容为空的 if re.search(k, u, re.IGNORECASE) and
opennre 中文关系抽取_用Bi-GRU语义解析，实现中文人物关系分析
weixin_39628268的博客
11-24 547
作者 | 李秋键责编 | Carol封图 | 区块链大本营(blockchain_camp)语义解析作为自然语言处理的重要方面，其主要作用如下：在词的层次上，语义分析的基本任务是进行词义消歧；在句子层面上，语义角色标注是所关心的问题；在文章层次上，指代消解、篇章语义分析是重点。而实体识别和关系抽取是构建知识图谱等上层自然语言处理应用的基础。关系抽取可以简单理解为一个分类问题：给定两个实体和两个实体...
openNRE使用——暂未完成 明天继续
晚安Alice
12-25 855
1.检查anaconda 以前就安装过，检查了一下运行没有问题 2.安装git包 打开anaconda prompt，输入命令进行下载 conda install git 显示安装成功 3.在anaconda prompt中查看python版本（自己的忘了） python --version 显示版本为3.8 4.在anaconda prompt中创建新的环境 命名为openNRE_exp，输入y conda create -n openNRE_exp python=3.8 查看环境是否创建成功： c
OpenNRE源码结构解读
qq_43496336的博客
02-23 811
OpenNRE源码结构解读 THUNLP OpenNRE开源模型代码解读，以BagRE为例。 structure 层次：framework(BagRE) - model(BagAttention) - encoder(PCNN) framework(BagRE) dataLoader = BagRELoader datasest = BagREDataset tokenizer = model.sentence_encoder.tokenize（传入的model的成员的函数对象） 其getitem
5分钟 NLP：使用 OpenNRE 进行关系提取
deephub
12-27 1534
关系提取、知识图谱、实体和 OpenNRE 关系提取( Relation Extraction)是一项自然语言处理任务，旨在提取实体之间的关系。 例如，从句罗密欧与朱丽叶是由威廉莎士比亚写的，我们可以提取关系三元组（威廉莎士比亚，是罗密欧与朱丽叶的作者）。 关系提取是自动知识图谱构建中的一项关键技术。 通过关系提取，我们可以累积提取新的关系事实，扩展知识图谱，这些知识可以作为机器理解人类世界的一种方式，在问答、推荐系统、搜索引擎等下游有很多应用。 OpenNRE 是对文本进行关系提取最常用的库之一。 Ope
Windows安装OpenNRE后模型加载失败问题解决
jjikyour的博客
08-31 430
Windows安装OpenNRE后模型加载失败：No such file or directory:"D:/Anaconda3/Lib/site-packages/opennre/benchmark/wiki80/wiki80_rel2id.json"
opennre 使用的基于bert的中文实体关系抽取模型框架是哪一个
06-07
opennre使用的基于BERT的中文实体关系抽取模型框架是PyTorch。PyTorch是一个基于Python的科学计算库，它支持动态计算图，使得开发者能够更加灵活地定义模型和计算流程。此外，PyTorch还提供了一组丰富的工具和接口，方便用户进行模型训练和部署。在opennre中，PyTorch被用来构建BERT模型，并通过fine-tuning的方式进行实体关系抽取。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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