dumpmemory/kg-baseline-pytorch

2019百度的关系抽取比赛，使用Pytorch实现苏神的模型，F1在dev集可达到0.75，联合关系抽取，Joint Relation Extraction.

kg-baseline-pytorch

2019百度的关系抽取比赛，Pytorch版苏神的baseline，联合关系抽取。

模型

与苏神的模型相同，只不过开发框架由Keras+Tensorflow变成了Pytorch，给使用Pytorch的小伙伴分享。

苏神Keras版链接：https://github.com/bojone/kg-2019-baseline

代码中复用了许多苏神的代码，因此首先对苏神表示感谢！

以下为苏神模型介绍原文：

用BiLSTM做联合标注，先预测subject，然后根据suject同时预测object和predicate，标注结构是“半指针-半标注”结构，以前也曾介绍过（ https://kexue.fm/archives/5409 ）

标注结构是自己设计的，我看了很多关系抽取的论文，没有发现类似的做法。所以，如果你基于此模型做出后的修改，最终获奖了或者发表paper什么的，烦请注明一下（其实也不是太奢望）

@misc{
  jianlin2019bdkg,
  title={Hybrid Structure of Pointer and Ragging for Relation Extraction: A Baseline},
  author={Jianlin Su},
  year={2019},
  publisher={GitHub},
  howpublished={\url{https://github.com/bojone/kg-2019-baseline}},
}

CSDN上基于本代码的算法简介：https://blog.csdn.net/qq_35268841/article/details/107063066

用法

python trans.py转换数据，python main.py跑模型并观察结果。

代码需要GPU运行！若需要CPU运行则去掉代码中所有的.cuda()并将一些cuda上的数据类型改为普通数据类型即可。

数据

数据只提供了共30条示例数据。数据由比赛官方提供，如有需要请联系比赛主办方。

结果

5个epoch到达0.73，最高能到0.75。

环境

Python 3.5+

Pytorch 1.0.1

tqdm

链接

• https://github.com/bojone/kg-2019-baseline
• https://pytorch.org/