往期项目回顾：
Paddlenlp之UIE模型实战实体抽取任务【打车数据、快递单】
Paddlenlp之UIE分类模型【以情感倾向分析新闻分类为例】含智能标注方案）
应用实践：分类模型大集成者[PaddleHub、Finetune、prompt]
本项目链接：只需要fork就可以直接复现
Paddlenlp之UIE关系抽取模型【高管关系抽取为例】
0.背景介绍
本项目将演示如何通过小样本样本进行模型微调，完成关系抽取。
数据集情况：
高管数据集demo：
马云浙江省杭州市人,阿里巴巴集团主要创始人之一。现任阿里巴巴集团主席和首席执行官,他是《福布斯》杂志创办50多年来成为封面人物的首位大陆企业家，曾获选为未来全球领袖。
任正非是中国大陆的民营电信设备企业一-华为公司的创始人兼总裁。 他关于企业“危机管理”的理论与实践曾在业内外产生过广泛影响。
马化腾，是腾讯主要创办人之一现担任公司控股董事会主席兼首席执行官。作为深圳土生土长的企业家,他曾在深圳大学主修计算机及应用，于1993年取得深大理学士学位。
李彦宏是百度公司创始人董事长兼首席执行官,全面负责百度公司的战略规划和运营管理,经过多年发展，百度已经牢牢占据中文搜索引擎超过7成的市场份额。
雷军, 2012年8月其投资创办的小米公司正式发布小米手机。
刘强东,江苏省宿迁市宿豫区人,京东商城的CEO。1996年毕业于中国人民大学社会学系。
柳传志,中国著名企业家,投资家,曾任联想控股有限公司董事长、联想集团有限公司董事局主席。
{"id":1845,"text":"马云浙江省杭州市人,阿里巴巴集团主要创始人之一。现任阿里巴巴集团主席和首席执行官,他是《福布斯》杂志创办50多年来成为封面人物的首位大陆企业家，曾获选为未来全球领袖。","entities":[{"id":945,"label":"人名","start_offset":0,"end_offset":2},{"id":946,"label":"公司","start_offset":10,"end_offset":16}],"relations":[{"id":11,"from_id":945,"to_id":946,"type":"高管"}]}
{"id":1846,"text":"任正非是中国大陆的民营电信设备企业一-华为公司的创始人兼总裁。 他关于企业“危机管理”的理论与实践曾在业内外产生过广泛影响。","entities":[{"id":949,"label":"人名","start_offset":0,"end_offset":3},{"id":950,"label":"公司","start_offset":19,"end_offset":23}],"relations":[{"id":13,"from_id":949,"to_id":950,"type":"高管"}]}
{"id":1847,"text":"马化腾，是腾讯主要创办人之一现担任公司控股董事会主席兼首席执行官。作为深圳土生土长的企业家,他曾在深圳大学主修计算机及应用，于1993年取得深大理学士学位。","entities":[{"id":954,"label":"人名","start_offset":0,"end_offset":3},{"id":955,"label":"公司","start_offset":5,"end_offset":7}],"relations":[{"id":16,"from_id":954,"to_id":955,"type":"高管"}]}
{"id":1848,"text":"李彦宏是百度公司创始人董事长兼首席执行官,全面负责百度公司的战略规划和运营管理,经过多年发展，百度已经牢牢占据中文搜索引擎超过7成的市场份额。","entities":[{"id":932,"label":"人名","start_offset":0,"end_offset":3},{"id":933,"label":"公司","start_offset":4,"end_offset":8},{"id":934,"label":"公司","start_offset":25,"end_offset":29}],"relations":[{"id":6,"from_id":932,"to_id":933,"type":"高管"}]}
{"id":1849,"text":"雷军, 2012年8月其投资创办的小米公司正式发布小米手机。","entities":[{"id":941,"label":"人名","start_offset":0,"end_offset":2},{"id":942,"label":"公司","start_offset":17,"end_offset":21}],"relations":[{"id":9,"from_id":941,"to_id":942,"type":"高管"}]}
数据加载
数据标注过程中，关系标注别搞反了，详细看前面文章，标注教学
doccano_file: 从doccano导出的数据标注文件。
save_dir: 训练数据的保存目录，默认存储在data目录下。
negative_ratio: 最大负例比例，该参数只对抽取类型任务有效，适当构造负例可提升模型效果。负例数量和实际的标签数量有关，最大负例数量 = negative_ratio * 正例数量。该参数只对训练集有效，默认为5。为了保证评估指标的准确性，验证集和测试集默认构造全负例。
splits: 划分数据集时训练集、验证集所占的比例。默认为[0.8, 0.1, 0.1]表示按照8:1:1的比例将数据划分为训练集、验证集和测试集。
task_type: 选择任务类型，可选有抽取和分类两种类型的任务。
options: 指定分类任务的类别标签，该参数只对分类类型任务有效。默认为[“正向”, “负向”]。
prompt_prefix: 声明分类任务的prompt前缀信息，该参数只对分类类型任务有效。默认为"情感倾向"。
is_shuffle: 是否对数据集进行随机打散，默认为True。
seed: 随机种子，默认为1000.
*separator: 实体类别/评价维度与分类标签的分隔符，该参数只对实体/评价维度级分类任务有效。默认为"##"。
import os
import time
import argparse
import json
import numpy as np
from utils_1 import set_seed, convert_ext_examples
defdo_convert():
set_seed(args.seed)
tic_time = time.time()ifnot os.path.exists(args.input_file):raise ValueError("Please input the correct path of doccano file.")ifnot os.path.exists(args.save_dir):
os.makedirs(args.save_dir)iflen(args.splits)!=0andlen(args.splits)!=3:raise ValueError("Only []/ len(splits)==3 accepted for splits.")if args.splits andsum(args.splits)!=1:raise ValueError("Please set correct splits, sum of elements in splits should be equal to 1.")withopen(args.input_file,"r", encoding="utf-8")as f:
raw_examples = f.readlines()def_create_ext_examples(examples, negative_ratio=0, shuffle=False):
entities, relations = convert_ext_examples(examples, negative_ratio)
examples =[e + r for e, r inzip(entities, relations)]if shuffle:
indexes = np.random.permutation(len(examples))
examples =[examples[i]for i in indexes]return examples
def_save_examples(save_dir, file_name, examples):
count =0
save_path = os.path.join(save_dir, file_name)withopen(save_path,"w", encoding="utf-8")as f:for example in examples:for x in example:
f.write(json.dumps(x, ensure_ascii=False)+"\n")
count +=1print("\nSave %d examples to %s."%(count, save_path))iflen(args.splits)==0:
examples = _create_ext_examples(raw_examples, args.negative_ratio,
args.is_shuffle)
_save_examples(args.save_dir,"train.txt", examples)else:if args.is_shuffle:
indexes = np.random.permutation(len(raw_examples))
raw_examples =[raw_examples[i]for i in indexes]
i1, i2, _ = args.splits
p1 =int(len(raw_examples)* i1)
p2 =int(len(raw_examples)*(i1 + i2))
train_examples = _create_ext_examples(
raw_examples[:p1], args.negative_ratio, args.is_shuffle)
dev_examples = _create_ext_examples(raw_examples[p1:p2])
test_examples = _create_ext_examples(raw_examples[p2:])
_save_examples(args.save_dir,"train.txt", train_examples)
_save_examples(args.save_dir,"dev.txt", dev_examples)
_save_examples(args.save_dir,"test.txt", test_examples)print('Finished! It takes %.2f seconds'%(time.time()- tic_time))if __name__ =="__main__":# yapf: disable
parser = argparse.ArgumentParser()
parser.add_argument("--input_file", default="./data/data.json",type=str,help="The data file exported from doccano platform.")
parser.add_argument("--save_dir", default="./data",type=str,help="The path to save processed data.")
parser.add_argument("--negative_ratio", default=5,type=int,help="Used only for the classification task, the ratio of positive and negative samples, number of negtive samples = negative_ratio * number of positive samples")
parser.add_argument("--splits", default=[0.8,0.1,0.1],type=float, nargs="*",help="The ratio of samples in datasets. [0.6, 0.2, 0.2] means 60% samples used for training, 20% for evaluation and 20% for test.")
parser.add_argument("--is_shuffle", default=True,type=bool,help="Whether to shuffle the labeled dataset, defaults to True.")
parser.add_argument("--seed",type=int, default=1000,help="random seed for initialization")
args = parser.parse_args()# yapf: enable
do_convert()
! python preprocess.py --input_file ./data/gaoguan.jsonl \
--save_dir ./data/ \
--negative_ratio 5 \
--splits 0.850.150 \
--seed 1000
Converting doccano data...100%|██████████████████████████████████████████|8/8[00:00<00:00,21358.65it/s]
Adding negative samples for first stage prompt...100%|██████████████████████████████████████████|8/8[00:00<00:00,88534.12it/s]
Constructing relation prompts...
Adding negative samples for second stage prompt...100%|██████████████████████████████████████████|8/8[00:00<00:00,24070.61it/s]
Converting doccano data...100%|██████████████████████████████████████████|2/2[00:00<00:00,25420.02it/s]
Adding negative samples for first stage prompt...100%|██████████████████████████████████████████|2/2[00:00<00:00,45839.39it/s]
Constructing relation prompts...
Adding negative samples for second stage prompt...100%|██████████████████████████████████████████|2/2[00:00<00:00,30066.70it/s]
Converting doccano data...
0it [00:00, ?it/s]
Adding negative samples for first stage prompt...
0it [00:00, ?it/s]
Save 64 examples to ./data/train.txt.
Save 6 examples to ./data/dev.txt.
输出部分展示：
{"content": "网易公司首席架构设计师,丁磊1997年6月创立网易公司,将网易从一个十几个人的私企发展到今天拥有近3000员工在美国公开上市的知名互联网技术企业。", "result_list": [{"text": "丁磊", "start": 12, "end": 14}], "prompt": "人名"}
{"content": "网易公司首席架构设计师,丁磊1997年6月创立网易公司,将网易从一个十几个人的私企发展到今天拥有近3000员工在美国公开上市的知名互联网技术企业。", "result_list": [{"text": "网易公司", "start": 0, "end": 4}, {"text": "网易公司", "start": 23, "end": 27}], "prompt": "公司"}
{"content": "网易公司首席架构设计师,丁磊1997年6月创立网易公司,将网易从一个十几个人的私企发展到今天拥有近3000员工在美国公开上市的知名互联网技术企业。", "result_list": [{"text": "丁磊", "start": 12, "end": 14}, {"text": "丁磊", "start": 12, "end": 14}], "prompt": "网易公司的高管"}
{"content": "李彦宏是百度公司创始人董事长兼首席执行官,全面负责百度公司的战略规划和运营管理,经过多年发展，百度已经牢牢占据中文搜索引擎超过7成的市场份额。", "result_list": [{"text": "李彦宏", "start": 0, "end": 3}], "prompt": "人名"}
{"content": "李彦宏是百度公司创始人董事长兼首席执行官,全面负责百度公司的战略规划和运营管理,经过多年发展，百度已经牢牢占据中文搜索引擎超过7成的市场份额。", "result_list": [{"text": "百度公司", "start": 4, "end": 8}], "prompt": "公司"}
{"content": "李彦宏是百度公司创始人董事长兼首席执行官,全面负责百度公司的战略规划和运营管理,经过多年发展，百度已经牢牢占据中文搜索引擎超过7成的市场份额。", "result_list": [{"text": "李彦宏", "start": 0, "end": 3}], "prompt": "百度公司的高管"}
2.模型训练
import argparse
import time
import os
from functools import partial
import paddle
from paddle.utils.download import get_path_from_url
from paddlenlp.datasets import load_dataset
from paddlenlp.transformers import ErnieTokenizer
from model import UIE
from utils_1 import set_seed, convert_example, reader, evaluate, create_dataloader, SpanEvaluator
from visualdl import LogWriter
defdo_train():
paddle.set_device(args.device)
rank = paddle.distributed.get_rank()if paddle.distributed.get_world_size()>1:
paddle.distributed.init_parallel_env()
set_seed(args.seed)
hidden_size =768
url ="https://bj.bcebos.com/paddlenlp/taskflow/information_extraction/uie_base/model_state.pdparams"
tokenizer = ErnieTokenizer.from_pretrained('ernie-3.0-base-zh')
model = UIE('ernie-3.0-base-zh', hidden_size)if args.init_from_ckpt isnotNone:
pretrained_model_path = args.init_from_ckpt
else:
pretrained_model_path = os.path.join(args.model,"model_state.pdparams")ifnot os.path.exists(pretrained_model_path):
get_path_from_url(url, args.model)
state_dict = paddle.load(pretrained_model_path)
model.set_dict(state_dict)print("Init from: {}".format(pretrained_model_path))if paddle.distributed.get_world_size()>1:
model = paddle.DataParallel(model)
train_ds = load_dataset(
reader,
data_path=args.train_path,
max_seq_len=args.max_seq_len,
lazy=False)
dev_ds = load_dataset(
reader,
data_path=args.dev_path,
max_seq_len=args.max_seq_len,
lazy=False)
trans_func = partial(
convert_example, tokenizer=tokenizer, max_seq_len=args.max_seq_len)
train_data_loader = create_dataloader(
dataset=train_ds,
mode='train',
batch_size=args.batch_size,
trans_fn=trans_func)
dev_data_loader = create_dataloader(
dataset=dev_ds,
mode='dev',
batch_size=args.batch_size,
trans_fn=trans_func)
optimizer = paddle.optimizer.AdamW(
learning_rate=args.learning_rate, parameters=model.parameters())
criterion = paddle.nn.BCELoss()
metric = SpanEvaluator()#初始化记录器
writer=LogWriter("./log/scalar_test")
writer1=LogWriter("./log/scalar_test1")
loss_list =[]
global_step =0
best_step =0
best_f1 =0
tic_train = time.time()for epoch inrange(1, args.num_epochs +1):for batch in train_data_loader:
input_ids, token_type_ids, att_mask, pos_ids, start_ids, end_ids = batch
start_prob, end_prob = model(input_ids, token_type_ids, att_mask,
pos_ids)
start_ids = paddle.cast(start_ids,'float32')
end_ids = paddle.cast(end_ids,'float32')
loss_start = criterion(start_prob, start_ids)
loss_end = criterion(end_prob, end_ids)
loss =(loss_start + loss_end)/2.0
loss.backward()
optimizer.step()
optimizer.clear_grad()
loss_list.append(float(loss))
global_step +=1if global_step % args.logging_steps ==0and rank ==0:
time_diff = time.time()- tic_train
loss_avg =sum(loss_list)/len(loss_list)
writer.add_scalar(tag="train/loss", step=global_step, value=loss_avg)#记录lossprint("global step %d, epoch: %d, loss: %.5f, speed: %.2f step/s"%(global_step, epoch, loss_avg,
args.logging_steps / time_diff))
tic_train = time.time()if global_step % args.valid_steps ==0and rank ==0:# save_dir = os.path.join(args.save_dir, "model_%d" % global_step)# if not os.path.exists(save_dir):# os.makedirs(save_dir)# save_param_path = os.path.join(save_dir, "model_state.pdparams")# paddle.save(model.state_dict(), save_param_path)
precision, recall, f1 = evaluate(model, metric, dev_data_loader)
writer1.add_scalar(tag="train/precision", step=global_step, value=precision)
writer1.add_scalar(tag="train/recall", step=global_step, value=recall)
writer1.add_scalar(tag="train/f1", step=global_step, value=f1)print("Evaluation precision: %.5f, recall: %.5f, F1: %.5f"%(precision, recall, f1))if f1 > best_f1:print(f"best F1 performence has been updated: {best_f1:.5f} --> {f1:.5f}")
best_f1 = f1
save_dir = os.path.join(args.save_dir,"model_best")
save_best_param_path = os.path.join(save_dir,"model_state.pdparams")
paddle.save(model.state_dict(), save_best_param_path)
tic_train = time.time()if __name__ =="__main__":# yapf: disable
parser = argparse.ArgumentParser()#!
parser.add_argument("--batch_size", default=2,type=int,help="Batch size per GPU/CPU for training.")# parser.add_argument("--batch_size", default=16, type=int, help="Batch size per GPU/CPU for training.")
parser.add_argument("--learning_rate", default=1e-5,type=float,help="The initial learning rate for Adam.")
parser.add_argument("--train_path", default="./data/train.txt",type=str,help="The path of train set.")
parser.add_argument("--dev_path", default="./data/dev.txt",type=str,help="The path of dev set.")
parser.add_argument("--save_dir", default='./checkpoint',type=str,help="The output directory where the model checkpoints will be written.")
parser.add_argument("--max_seq_len", default=512,type=int,help="The maximum input sequence length. ""Sequences longer than this will be truncated, sequences shorter will be padded.")#!这里参数决定训练量
parser.add_argument("--num_epochs", default=1,type=int,help="Total number of training epochs to perform.")# parser.add_argument("--num_epochs", default=100, type=int, help="Total number of training epochs to perform.")
parser.add_argument("--seed", default=1000,type=int,help="Random seed for initialization")
parser.add_argument("--logging_steps", default=1,type=int,help="The interval steps to logging.")
parser.add_argument("--valid_steps", default=2,type=int,help="The interval steps to evaluate model performance.")#!
parser.add_argument('--device', choices=['cpu','gpu'], default="cpu",help="Select which device to train model, defaults to gpu.")
parser.add_argument("--model", choices=["uie-base","uie-tiny"], default="uie-tiny",type=str,help="Select the pretrained model for few-shot learning.")#?模型参数初始化路径
parser.add_argument("--init_from_ckpt", default=None,type=str,help="The path of model parameters for initialization.")
args = parser.parse_args()# yapf: enable
args.device = paddle.device.get_device()
do_train()
!python finetune.py \
--train_path "./data/train.txt" \
--dev_path "./data/dev.txt" \
--save_dir "./checkpoint" \
--learning_rate 1e-5 \
--batch_size 8 \
--max_seq_len 512 \
--num_epochs 50 \
--model "uie-base" \
--seed 1000 \
--logging_steps 10 \
--valid_steps 50 \
--device "gpu"
部分训练效果展示：具体输出已折叠
global step 640, epoch: 80, loss: 0.00002, speed: 3.99 step/s
global step 650, epoch: 82, loss: 0.00002, speed: 3.87 step/s
global step 660, epoch: 83, loss: 0.00002, speed: 3.99 step/s
global step 670, epoch: 84, loss: 0.00002, speed: 4.03 step/s
global step 680, epoch: 85, loss: 0.00002, speed: 4.00 step/s
global step 690, epoch: 87, loss: 0.00002, speed: 3.88 step/s
global step 700, epoch: 88, loss: 0.00002, speed: 3.99 step/s
Evaluation precision: 1.00000, recall: 0.85714, F1: 0.92308
global step 710, epoch: 89, loss: 0.00002, speed: 3.99 step/s
global step 720, epoch: 90, loss: 0.00002, speed: 4.00 step/s
global step 730, epoch: 92, loss: 0.00002, speed: 3.86 step/s
global step 740, epoch: 93, loss: 0.00002, speed: 3.97 step/s
global step 750, epoch: 94, loss: 0.00002, speed: 3.99 step/s
global step 760, epoch: 95, loss: 0.00002, speed: 3.99 step/s
global step 770, epoch: 97, loss: 0.00002, speed: 3.86 step/s
global step 780, epoch: 98, loss: 0.00002, speed: 3.98 step/s
global step 790, epoch: 99, loss: 0.00002, speed: 4.00 step/s
global step 800, epoch: 100, loss: 0.00001, speed: 4.00 step/s
Evaluation precision: 1.00000, recall: 0.85714, F1: 0.92308
推荐使用GPU环境，否则可能会内存溢出。CPU环境下，可以修改model为uie-tiny，适当调下batch_size。
增加准确率的话：–num_epochs 设置大点多训练训练
可配置参数说明：
train_path: 训练集文件路径。
dev_path: 验证集文件路径。
save_dir: 模型存储路径，默认为./checkpoint。
learning_rate: 学习率，默认为1e-5。
batch_size: 批处理大小，请结合显存情况进行调整，若出现显存不足，请适当调低这一参数，默认为16。
max_seq_len: 文本最大切分长度，输入超过最大长度时会对输入文本进行自动切分，默认为512。
num_epochs: 训练轮数，默认为100。
model 选择模型，程序会基于选择的模型进行模型微调，可选有uie-base和uie-tiny，默认为uie-base。
seed: 随机种子，默认为1000.
logging_steps: 日志打印的间隔steps数，默认10。
valid_steps: evaluate的间隔steps数，默认100。
device: 选用什么设备进行训练，可选cpu或gpu。
3.模型评估
!python evaluate.py \
--model_path ./checkpoint/model_best \
--test_path ./data/dev.txt \
--batch_size 8 \
--max_seq_len 512
[2022-07-2500:17:12,509][ INFO]- We are using <class'paddlenlp.transformers.ernie.tokenizer.ErnieTokenizer'> to load './checkpoint/model_best'.
W0725 00:17:12.5359021512 gpu_resources.cc:61] Please NOTE: device:0, GPU Compute Capability:7.0, Driver API Version:11.2, Runtime API Version:10.1
W0725 00:17:12.5403691512 gpu_resources.cc:91] device:0, cuDNN Version:7.6.[2022-07-2500:17:16,896][ INFO]------------------------------[2022-07-2500:17:16,897][ INFO]- Class Name: all_classes
[2022-07-2500:17:16,897][ INFO]- Evaluation Precision:1.00000| Recall:0.85714| F1:0.92308
**model_path**: 进行评估的模型文件夹路径，路径下需包含模型权重文件model_state.pdparams及配置文件model_config.json。
**test_path:** 进行评估的测试集文件。
**batch_size**: 批处理大小，请结合机器情况进行调整，默认为16。
**max_seq_len**: 文本最大切分长度，输入超过最大长度时会对输入文本进行自动切分，默认为512。
**model**: 选择所使用的模型，可选有uie-base, uie-medium, uie-mini, uie-micro和uie-nano，默认为uie-base。
**debug**: 是否开启debug模式对每个正例类别分别进行评估，该模式仅用于模型调试，默认关闭。
4.结果预测
#关系抽取from pprint import pprint
import json
from paddlenlp import Taskflow
defopenreadtxt(file_name):
data =[]file=open(file_name,'r',encoding='UTF-8')#打开文件
file_data =file.readlines()#读取所有行for row in file_data:
data.append(row)#将每行数据插入data中 return data
data_input=openreadtxt('./input/test.txt')
schema ={"公司":"高管"}
few_ie = Taskflow('information_extraction', schema=schema, batch_size=16,task_path='./checkpoint/model_best')
results=few_ie(data_input)withopen("./output/result.txt","w+",encoding='UTF-8')as f:#a : 写入文件，若文件不存在则会先创建再写入，但不会覆盖原文件，而是追加在文件末尾for result in results:
line = json.dumps(result, ensure_ascii=False)#对中文默认使用的ascii编码.想输出真正的中文需要指定ensure_ascii=False
f.write(line +"\n")print("数据结果已导出")for idx, text inenumerate(data_input):print(data_input[idx],results[idx])
输入文件展示：
黄峥，1980年出生于浙江杭州，拼多多公司创始人，本科毕业于浙江大学、硕士学位毕业于威斯康星大学麦迪逊分校。
哔哩哔哩公司的创始人是徐逸,徐逸是最早的哔哩哔哩创始人,但一直在幕后,没有特别公开。曾经是Acfun弹幕网的会员,然后模仿Acfun建立了自己的网站,现在是董事。
输出展示：
黄峥，1980年出生于浙江杭州，拼多多公司创始人，本科毕业于浙江大学、硕士学位毕业于威斯康星大学麦迪逊分校。
{'公司': [{'text': '拼多多', 'start': 16, 'end': 19, 'probability': 0.935215170074585, 'relations': {'高管': [{'text': '黄峥', 'start': 0, 'end': 2, 'probability': 0.9996391253586268}]}}]}
哔哩哔哩公司的创始人是徐逸,徐逸是最早的哔哩哔哩创始人,但一直在幕后,没有特别公开。曾经是Acfun弹幕网的会员,然后模仿Acfun建立了自己的网站,现在是董事。 {'公司': [{'text': '哔哩哔哩公司', 'start': 0, 'end': 6, 'probability': 0.7246855227849665, 'relations': {'高管': [{'text': '徐逸', 'start': 11, 'end': 13, 'probability': 0.9985462800938478}]}}]}
5总结
UIE(Universal Information Extraction)：Yaojie Lu等人在ACL-2022中提出了通用信息抽取统一框架UIE。该框架实现了实体抽取、关系抽取、事件抽取、情感分析等任务的统一建模，并使得不同任务间具备良好的迁移和泛化能力。PaddleNLP借鉴该论文的方法，基于ERNIE 3.0知识增强预训练模型，训练并开源了首个中文通用信息抽取模型UIE。该模型可以支持不限定行业领域和抽取目标的关键信息抽取，实现零样本快速冷启动，并具备优秀的小样本微调能力，快速适配特定的抽取目标。
UIE的优势
使用简单： 用户可以使用自然语言自定义抽取目标，无需训练即可统一抽取输入文本中的对应信息。实现开箱即用，并满足各类信息抽取需求。
降本增效： 以往的信息抽取技术需要大量标注数据才能保证信息抽取的效果，为了提高开发过程中的开发效率，减少不必要的重复工作时间，开放域信息抽取可以实现零样本（zero-shot）或者少样本（few-shot）抽取，大幅度降低标注数据依赖，在降低成本的同时，还提升了效果。
效果领先： 开放域信息抽取在多种场景，多种任务上，均有不俗的表现。
本人本次主要通过关系抽取这个案例分享给大家，使demo项目更佳完善，感兴趣同学可以试试跨任务抽取、以及多实体、多关系抽取
目前我已经在开源数据集测评了 F1在85%–90%之间，比较看数据集难度整体符合预期，这块有问题的可以留言。
本文转载自: https://blog.csdn.net/sinat_39620217/article/details/125968982
版权归原作者 汀、人工智能 所有， 如有侵权，请联系我们删除。
版权归原作者 汀、人工智能 所有， 如有侵权，请联系我们删除。