OpenNRE 开源项目使用教程
2024-09-26 02:11:58作者:廉彬冶Miranda
1. 项目介绍
OpenNRE 是一个开源的神经关系抽取工具包,旨在提供一个统一的框架来实现关系抽取模型。该项目由哈工大团队开发,基于 BERT-wwm 中文模型,在中文人物关系抽取任务上取得了高达 0.97 的准确率。OpenNRE 不仅适用于初学者,还为开发者和研究者提供了丰富的功能和预训练模型,帮助他们快速上手和进行深入研究。
2. 项目快速启动
2.1 安装依赖
首先,克隆项目到本地:
git clone https://github.com/taozitongxue1/OpenNRE.git
cd OpenNRE
安装所需的 Python 依赖:
pip install -r requirements.txt
2.2 下载预训练模型
在 /pretrain/
目录下放置 chinese_wwm_pytorch
模型。下载地址为:https://github.com/ymcui/Chinese-BERT-wwm
2.3 生成数据
在 /benchmark/people-relation/
目录下执行 gen.py
生成中文人物关系数据:
python benchmark/people-relation/gen.py
2.4 配置环境变量
编辑 ~/.bash_profile
文件,添加以下内容:
export openNRE=/path/to/your/OpenNRE
2.5 运行示例
导入 OpenNRE 并加载预训练模型:
import opennre
model = opennre.get_model('wiki80_cnn_softmax')
使用 infer
方法进行关系抽取:
result = model.infer({
'text': '他是我父亲',
'h': {'pos': (2, 3)},
't': {'pos': (4, 5)}
})
print(result)
3. 应用案例和最佳实践
3.1 中文人物关系抽取
OpenNRE 在中文人物关系抽取任务上表现出色,准确率高达 0.97。以下是一个简单的应用案例:
result = model.infer({
'text': '张三是李四的父亲',
'h': {'pos': (0, 2)},
't': {'pos': (4, 6)}
})
print(result) # 输出 ('父亲', 0.999)
3.2 自定义数据集训练
用户可以根据自己的数据集进行训练。首先准备数据集,然后使用 OpenNRE 提供的训练脚本进行训练:
python train.py --dataset custom_dataset --model custom_model
4. 典型生态项目
4.1 OpenSKL
OpenSKL 是 OpenNRE 的母项目,旨在通过表示学习来结合结构化知识和自然语言。OpenSKL 提供了丰富的工具和资源,帮助用户更好地理解和应用关系抽取技术。
4.2 Chinese-BERT-wwm
Chinese-BERT-wwm 是 OpenNRE 使用的预训练模型,由哈工大团队开发。该模型在中文 NLP 任务中表现优异,为 OpenNRE 的高性能提供了坚实的基础。
通过以上步骤,您可以快速上手并使用 OpenNRE 进行中文关系抽取任务。希望本教程能帮助您更好地理解和应用这一强大的开源工具。
热门项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6720
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.52 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
671
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
8
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K