构建生物医学知识图谱from zero to hero （5）：关系抽取

ASKCOS

于 2024-02-23 18:10:38 发布

阅读量108

点赞数

分类专栏： AIDD | CADD | 化学 | 生物文章标签：知识图谱人工智能

本文链接：https://blog.csdn.net/weixin_43236007/article/details/136261601

版权

AIDD | CADD | 化学 | 生物专栏收录该内容

75 篇文章 139 订阅 ¥299.90 ¥399.90

订阅专栏

超级会员免费看

本文介绍了如何从零开始进行医学概念的关系抽取，这是一个比命名实体识别更具挑战性的任务。通过使用HuggingFace上的 FewRel zero-shot 模型进行简单演示，尽管该模型可能不适合生产环境，但能有效检测关联和交互等关系。首先，识别出包含多个实体的句子，然后应用模型以0.85的阈值进行关系预测，将结果存储到图数据库中。

摘要由CSDN通过智能技术生成

现在将尝试提取医学概念之间的关系。根据经验，关系提取比命名实体提取至少难一个数量级。如果不希望命名实体链接取得完美的结果，那么关系提取技术肯定会出现一些错误。

使用zero-shot关系提取器FewRel。虽然我不建议将此模型投入生产，但它足以进行简单的演示。该模型可在HuggingFace上使用，因此我们不必进行培训或设置模型。

from transformers import AutoTokenizer
from zero_shot_re import RelTaggerModel, RelationExtractor

model = RelTaggerModel.from_pretrained("fractalego/fewrel-zero-shot")
tokenizer = AutoTokenizer.from_pretrained(&