首页
/ KagNet 开源项目教程

KagNet 开源项目教程

2024-09-21 18:31:19作者:秋阔奎Evelyn

1. 项目介绍

KagNet 是一个用于常识推理的知识感知图网络模型,由 USC INK 实验室开发。该模型在 EMNLP-IJCNLP 2019 会议上提出,旨在通过利用外部结构化的常识知识图谱来执行可解释的推理。KagNet 的核心思想是将问题-答案对从语义空间映射到知识图谱的符号空间,并通过图卷积网络和 LSTM 结合层次路径注意力机制来表示和评分答案。

2. 项目快速启动

2.1 环境准备

首先,确保你的系统已经安装了以下依赖:

sudo apt-get install graphviz libgraphviz-dev pkg-config
conda create -n kagnet_test python==3.6.3
conda activate kagnet_test
pip install torch torchvision
pip install tensorflow-gpu==1.10.0
conda install faiss-gpu cudatoolkit=10.0 -c pytorch -n kagnet_test
pip install nltk
conda install -c conda-forge spacy -n kagnet_test
python -m spacy download en
pip install jsbeautifier
pip install networkx
pip install dgl
pip install pygraphviz
pip install allennlp

2.2 下载和预处理数据

下载 CommonsenseQA 数据集并进行预处理:

cd datasets
mkdir csqa_new
wget -P csqa_new https://s3.amazonaws.com/commensenseqa/train_rand_split.jsonl
wget -P csqa_new https://s3.amazonaws.com/commensenseqa/dev_rand_split.jsonl
wget -P csqa_new https://s3.amazonaws.com/commensenseqa/test_rand_split_no_answers.jsonl
python convert_csqa.py csqa_new/train_rand_split.jsonl csqa_new/train_rand_split.jsonl.statements
python convert_csqa.py csqa_new/dev_rand_split.jsonl csqa_new/dev_rand_split.jsonl.statements
python convert_csqa.py csqa_new/test_rand_split_no_answers.jsonl csqa_new/test_rand_split_no_answers.jsonl.statements

2.3 概念接地和图构建

进行概念接地和图构建:

cd grounding
python batched_grounding.py generate_bash "datasets/csqa_new/train_rand_split.jsonl.statements"
bash cmd.sh
python batched_grounding.py combine "datasets/csqa_new/train_rand_split.jsonl.statements"
python prune_qc.py datasets/csqa_new/train_rand_split.jsonl.statements mcp

2.4 训练 KagNet 模型

使用预处理的数据训练 KagNet 模型:

cd models
python main.py

3. 应用案例和最佳实践

KagNet 主要应用于需要常识推理的任务,如问答系统、对话系统等。通过结合外部知识图谱,KagNet 能够提供更准确和可解释的推理结果。最佳实践包括:

  • 数据预处理:确保数据集的格式和内容符合 KagNet 的要求。
  • 模型调优:根据具体任务调整模型参数,如学习率、批量大小等。
  • 结果解释:利用 KagNet 的层次路径注意力机制,解释模型的推理过程。

4. 典型生态项目

  • ConceptNet:作为 KagNet 的主要外部知识图谱资源,ConceptNet 提供了丰富的常识知识。
  • CommonsenseQA:KagNet 在 CommonsenseQA 数据集上取得了最先进的性能,该数据集是评估常识推理模型的标准基准。
  • BERT:KagNet 结合了 BERT 模型进行文本表示,进一步提升了模型的性能。

通过这些生态项目的结合,KagNet 能够更好地应用于实际的常识推理任务中。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
952
558
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
96
15
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
71
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0