知识图谱-第三方工具：DeepKE【支持低资源、长篇章的知识抽取工具，支持：①命名实体识 别、②关系抽取、③属性抽取】【基于PyTorch+Transformers】

已于 2024-02-14 22:47:43 修改
阅读量4k 收藏 5
点赞数
分类专栏： 知识图谱（Knowledge Graph） 文章标签： 人工智能 知识图谱 DeepKE
于 2022-03-20 23:16:13 首次发布
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/u013250861/article/details/123624339
版权

在这里插入图片描述
DeepKE 是一个基于深度学习的开源中文知识图谱抽取框架，支持低资源、长篇章的知识抽取工具，支持命名实体识别、关系抽取和属性抽取功能。
在这里插入图片描述

  • DeepKE为三个知识抽取功能（命名实体识别、关系抽取和属性抽取）设计了一个统一的框架
  • 可以在不同场景下实现不同功能。比如，可以在标准全监督、低资源少样本和文档级设定下进行关系抽取
  • 每一个应用场景由三个部分组成：Data部分包含Tokenizer、Preprocessor和Loader，Model部分包含Module、Encoder和Forwarder，Core部分包含Training、Evaluation和Prediction

参考资料：
DeepKE：GitHub源码

u013250861
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
订阅专栏
基于深度学习的开源中文知识图谱抽取框架与构建工具，支持cnSchema、低资源、长篇章、多模态的知识抽取工具
05-26
基于深度学习的开源中文知识图谱抽取框架，DeepKE 是一个开源的知识图谱抽取与构建工具，支持cnSchema、低资源、长篇章、多模态的知识抽取工具，可以基于PyTorch实现命名实体识别、关系抽取和属性抽取功能。同时为初学者提供了用户手册, 文档，Google Colab教程, 在线演示, 论文和演示文稿
实战演练|从原理到应用：DeepKE框架介绍及简单使用
qq_30284057的博客
11-21 6453
本文介绍了deepKE的基本内容，框架，对怎么安装，安装出现的问题进行了讲解，同时给出了deepKE中的各个文件的作用，最后给出了一些简单的使用方法。
探秘OneRel：一个强大的中文关系抽取工具
最新发布
gitblog_00015的博客
04-03 343
探秘OneRel：一个强大的中文关系抽取工具 项目地址:https://gitcode.com/taishan1994/OneRel_chinese 项目简介 OneRel 是一个由开发者Taishan1994创建的开源项目，专门针对中文文本的关系抽取任务。它旨在帮助研究人员和开发人员从非结构化的中文文本中自动识别实体之间的关系，从而提升信息提取和自然语言处理（NLP）应用的效率。 技术分析 关系...
开源开放 | 开源知识图谱抽取工具DeepKE发布更新
开放知识图谱
12-09 3416
知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的大规模语义网络，是大数据时代知识表示的重要方式之一。近年来，知识图谱在辅助语义搜索、支持智能问答、增强推荐计算、提升语言语义理解和大数据分析能力等越来越多的技术领域得到重视，高效知识图谱构建技术应运而生。DeepKE是一个开源可扩展的知识图谱抽取工具，可实现命名实体识别、关系抽取和属性抽取三大知识抽取任务，并支持复杂的应用场景，如低资源少...
知识图谱框架DeepKE简单使用+关系抽取+小小bug修复
weixin_43918046的博客
11-05 1万+
一、关系抽取 知识图谱里面主要涉及两个很重要的领域：实体识别、关系抽取。当然，一般来说实体识别是关系抽取的前提条件，实体识别是序列标注的一种，通过将语句中的各种词的词性进行标注作为标签放入模型中训练，便可进行识别。当一段话能被识别出具体的实体信息后，我们便可以做关系抽取，关系抽取逻辑也比较简单，最简单是是三元组POI， 也即(吴京，战狼，主演)。其中实体head为吴京，实体tail为战狼，关系为主演，那么词性呢？吴京词性是人名，战狼词性是电影名或影视剧名。 如何实现的关系抽取，一般训练的数据是带有标签的，比
Python库 | deepke-0.2.81.tar.gz
03-02
python库。 资源全名：deepke-0.2.81.tar.gz
【deepKE做NER教程】调bug！lstmcrf和bert均跑通
weixin_45666317的博客
07-17 1091
目前关于deepke的实战教程大多数是以re关系抽取作为演示的，ner的代码和教程通过readme也能跑也能做，不过还是会有一些bug，这里将我实验过程中的步骤，以及遇到的bug、且如何调整，给大家分享一下。
探索未来知识提取的新里程：DeepKE
gitblog_00001的博客
03-22 470
探索未来知识提取的新里程：DeepKE 项目地址:https://gitcode.com/zjunlp/DeepKE 项目简介 DeepKE 是一款由浙江大学计算机科学与技术学院自然语言处理实验室（ZJUNLP）开发的知识抽取框架。它基于深度学习，旨在为科研人员和开发者提供一个高效、灵活且易于使用的工具，用于从大规模文本中自动抽取结构化信息。 技术分析 DeepKE的核心在于其深度学习模型的集成和...
deepke使用过程问题汇总
qq_22244821的博客
12-08 1185
deepke使用过程问题汇总，进行红楼梦实体识别
基于deepke构建红楼梦知识图谱
qq_22244821的博客
12-06 1287
基于deepke构建红楼梦知识图谱
使用DeepKE进行NER的一些问题
baidu_22388649的博客
02-21 477
使用Deep进行NER
DeepKE-main.zip
12-04
DeepKE 是一个支持低资源、长篇章的知识抽取工具，可以基于PyTorch实现命名实体识别、关系抽取和属性抽取功能。
知识图谱-命名实体-关系-免费标注工具-快速打标签-Python3
10-31
这是一款实体关系联合标注的本地小程序，以Python3实现。本系统是一种标注文本语料中命名实体与关系或属性的半自动化软件系统，应用Python编程实现可视化界面和主要功能.
农业知识图谱：农业领域的信息检索+智能问答，命名实体识别，关系抽取，实体关系查询
07-02
农业知识图谱码源 - hudong_pedia.csv : 已经整理好的农业实体的百科页面的结构化csv文件 - labels.txt： 5000多个手工标注的实体类别 - predict_labels.txt: KNN算法预测的15W多个实体的类别 - /wikidataSpider/...
领域知识图谱-中式菜谱知识图谱：实现知识图谱可视化和知识库智能问答系统（KBQA)
07-03
领域知识图谱-中式菜谱知识图谱：实现知识图谱可视化和知识库智能问答系统（KBQA) + 一类菜品的不同具体做法，例如水煮鱼包括麻辣水煮鱼、小清新版水煮鱼和家常版水煮鱼等； + 通过菜品与食材的关联关系，可以查询...
人工智能-知识图谱-智慧农业-农业知识图谱(AgriKG)：农业领域的信息检索，命名实体识别，关系抽取，智能问答，辅助决策
07-03
Agricultural Knowledge Graph 由于工作原因，该项目已停止...华师大课题组在前期国家重点研发计划《大数据知识工程基础理论及其应用研究》研究基础上，在本项目中，基于碎片化农业大数据，构建面向智慧农业的知识图谱
知识图谱-构建：知识图谱构建流程【本体构建、知识抽取（实体抽取、 关系抽取、属性抽取）、知识表示、知识融合、知识存储】
热门推荐
u013250861的博客
04-01 3万+
旅游领域的类是用来描述旅游的抽象化概念术语，是对众多旅游个体共性的概念化描述。术语是划分类的基础，根据构建领域本体的目标和具体需要，可以确定哪些术语能作为领域本体的类。在以上抽取的众多旅游领域术语中，有些是能直接作为类的，如旅游、人物、交通方式、景区等等，而有些则不能作为类，如票价、景区门票、联系方式等等，它们只是属性。“旅游”很明显是最顶层的类，是父类。然后，要确定旅游的子类，根据大众标签里体现的共性和《中国分类主题词表》确定了旅游领域的11个核心概念，即本体层次结构图数据属性（固有属性）...
DeepKE发布新版本：支持低资源、长篇章、多任务的图谱抽取开源框架，开源开放
weixin_43564920的博客
03-05 1267
OpenKG地址：http://openkg.cn/tool/deepke GitHub地址：https://github.com/zjunlp/deepke Gitee地址：https://gitee.com/openkg/deepke DeepKE网站：http://deepke.zjukg.org/CN/index.html 开放许可协议：GPL 3.0 贡献者：浙江大学(张宁豫、陶联宽、徐欣、余海洋、叶宏彬、谢辛、陈想、黎洲波、李磊、梁孝转、姚云志、乔硕斐、邓淑敏、张文、郑国轴、陈华钧..
【NLP】一个支持低资源、长篇章、多模态的开源知识抽取工具——DeepKE
让算法融入生活，改变生活！
07-14 3274
http.主要功能分为三个类别单句、篇章级、多模态。对于单句支持常用的实体抽取、属性抽取、关系抽取三个任务。如实体抽取效果篇章级、多模态则主要是关系抽取任务。https.该工具设计的框架如下DeepKE包含命名实体识别、关系抽取和属性抽取三个模块，分别是三个任务。每个模块都有自己的子模块。例如，关系抽取模块中有标准的、少样本、文档级和多模态子模块。每个子模块由三部分组成一组可用作tokenizer的工具、数据加载器、训练和预测时使用编码的一种处理模块。deepke，然后激活。......
phthon第三方库知识图谱
09-13
Python是一种广泛应用的编程语言，拥有丰富的第三方库来扩展其功能。第三方库是由其他开发者编写并共享的代码库，可以供Python开发者在自己的项目中使用。下面是一些常用的Python第三方库。 1. NumPy：NumPy是用于科学计算的强大库，提供了一个多维数组对象和许多用于处理数组的函数。 2. Pandas：Pandas是用于数据分析和处理的库，提供了高性能、易用的数据结构和数据分析工具。 3. Matplotlib：Matplotlib是一个绘图库，可用于创建各种类型的图表和可视化效果。 4. TensorFlow：TensorFlow是一个流行的机器学习库，提供了许多用于开发和训练神经网络的功能。 5. Flask：Flask是一个轻量级的Web开发框架，可用于构建Web应用程序和API。 6. Django：Django是一个功能强大的Web开发框架，提供了许多用于处理用户身份验证、数据库集成等常见任务的功能。 7. BeautifulSoup：BeautifulSoup是一个用于解析HTML和XML文档的库，可用于从Web页面中提取数据。 8. Requests：Requests是一个简单易用的HTTP库，可用于发送HTTP请求和处理响应。 9. Scikit-learn：Scikit-learn是一个用于机器学习和数据挖掘的库，提供了许多常见的机器学习算法和工具。 10. Pygame：Pygame是一个用于开发2D游戏的库，提供了许多用于处理图形、声音等游戏元素的功能。 这些是Python第三方库中的一小部分，它们涵盖了Web开发、数据分析、机器学习、游戏开发等各个领域，为开发者提供了强大的工具和功能，提高了Python的灵活性和可扩展性。通过使用这些第三方库，开发者能够更高效地开发出功能丰富、高性能的Python应用程序。

“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 1
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