jin-guangyin/informationextractiondemo

一个关于百度2019语言与智能技术竞赛信息抽取 (http://lic2019.ccf.org.cn/kg) 的简单Demo， 模型采用BERT+CNN ( https://github.com/Wangpeiyi9979/IE-Bert-CNN )。 Demo使用Flask搭建

效果图片

所需环境

• Ubuntu 16.04
• Python 3.6
• Pytorch 1.x
• Flask

项目目录

├── static      # 存放网页相关前端配置
│ ├── css       # css相关配置
│ ├── js        # js文件
├── templates   # 存放html文件
├── utils       # 存放模型相关文件
│ ├── bert-base-chinese 
│ ├── |—— bert-base-chinese.tar.gz # bert预训练参数
│ ├── |—— vocab_unk.txt # bert词典库
│ ├──  checkpoints # 存放已训练好的模型
│ ├──  json_data # 存放各种标签到数字的装换数据  
│ ├──  BERT_MUL_CNN.py # 模型
│ ├──  config.py     # 存放配置文件 
│ ├── encoder.py  # 封装了cnn层
│ ├── findTriple.py # 提供句子加工以及三元组处理函数
│ ├──  metrics.py # 提供实体切割函数
├── app.py # Flask程序主入口
├── README.md

使用说明

• 克隆项目

git clone https://github.com/Wangpeiyi9979/InformationExtractionDemo.git

• 安装相关库

pip3 install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-linux_x86_64.whl
pip3 intall flask

• 下载训练好的模型
  • 下载bert预训练参数, 提取码:lizu
    • 将下载的文件放入uitls/bert-base-chinese/目录下
  • 下载预训练模型, 提取码:40jh
    • 创建目录

    cd utils
    mkdir checkpoints
    *mv ../ckpt checkpoints/(将下载的ckpt放入checkpoins下)
    

• 切换到主目录，运行flask

python app.py

• 打开浏览器，输入

localhost:5000