基于pytorch的中文三元组提取（命名实体识别+关系抽取）
预训练模型为chinese-roberta-wwm-ext
训练好的命名实体识别模型：
链接：https://pan.baidu.com/s/1ZrC4eum6cR8_UZZI9vxzFg
提取码：68wg
训练好的关系抽取模型：
链接：https://pan.baidu.com/s/1HIf6ri0BLv3Aeu20o_lwGg
提取码：7cee
data下面的数据：
链接：https://pan.baidu.com/s/15v8SxWpzQ5HwjXETxWnnhg
提取码：g53x
由于关系抽取数据量有点大，只以batchsize=16运行了4000个step。
具体命名实体识别和关系抽取在相应的readme.md里面有细讲。
命名实体识别基于bert_bilstm_crf，识别出句子中的主体(subject)和客体(object)。相关功能在bert_bilstm_crf_ner下。存储的模型在bert_bilstm_crf_ner/checkpoints/bert_bilsm_crf/model.pt
关系抽取基于bert，识别出主体和客体之间的关系。相关功能在bert_re下。存储的模型位于bert_re/checkpoints/best.py
具体相关的数据位于/data/下面，可以去查看。
在bert_bilstm_crf_ner文件夹下的main.py是主运行程序，可用以下命令运行训练测试和预测：
!python main.py \
--bert_dir="../model_hub/chinese-roberta-wwm-ext/" \
--data_dir="../data/" \
--log_dir="./logs/" \
--output_dir="./checkpoints/" \
--num_tags=5 \
--seed=123 \
--gpu_ids="0" \
--max_seq_len=300 \
--lr=3e-5 \
--crf_lr=3e-2 \
--other_lr=3e-4 \
--train_batch_size=32 \
--train_epochs=1 \
--eval_batch_size=32 \
--max_grad_norm=1 \
--warmup_proportion=0.1 \
--adam_epsilon=1e-8 \
--weight_decay=0.01 \
--lstm_hidden=128 \
--num_layers=1 \
--use_lstm='True' \
--use_crf='True' \
--dropout_prob=0.3 \
--dropout=0.3 \2021-08-18 12:17:05,417 - INFO - main.py - test - 144 -
precision recall f1-score support
object 0.76 0.89 0.82 38656
subject 0.76 0.85 0.80 25103
micro avg 0.76 0.88 0.81 63759
macro avg 0.76 0.87 0.81 63759
weighted avg 0.76 0.88 0.81 63759在bert_re文件夹下的main.py是主运行程序，可用以下命令运行训练测试和预测：
!python main.py \
--bert_dir="../model_hub/chinese-roberta-wwm-ext/" \
--data_dir="../data/" \
--log_dir="./logs/" \
--output_dir="./checkpoints/" \
--num_tags=49 \
--seed=123 \
--gpu_ids="0" \
--max_seq_len=300 \
--lr=3e-5 \
--other_lr=3e-4 \
--train_batch_size=16 \
--train_epochs=1 \
--eval_batch_size=32 \
--dropout_prob=0.3 \2021-08-22 05:22:50,141 - INFO - main.py - <module> - 247 - 【test】 loss：631.809930 accuracy：0.8841 micro_f1：0.8841 macro_f1：0.8720
2021-08-22 05:22:50,292 - INFO - main.py - <module> - 249 - precision recall f1-score support
歌手 0.83 0.82 0.83 3961
代言人 0.98 1.00 0.99 920
作曲 0.55 0.71 0.62 1647
父亲 0.92 0.64 0.76 3036
占地面积 0.93 0.93 0.93 90
注册资本 1.00 1.00 1.00 116
所属专辑 0.96 0.96 0.96 1063
所在城市 0.95 0.98 0.97 128
首都 1.00 1.00 1.00 82
毕业院校 1.00 0.99 1.00 1184
饰演 0.94 0.95 0.95 1420
祖籍 0.99 0.93 0.96 206
上映时间 0.96 1.00 0.98 886
主角 0.86 0.67 0.75 350
号 0.70 0.98 0.82 258
简称 1.00 0.99 0.99 588
校长 0.97 1.00 0.98 414
丈夫 0.64 0.92 0.76 2866
国籍 0.99 0.98 0.98 2030
导演 0.88 0.95 0.91 2957
主题曲 0.97 0.95 0.96 486
专业代码 0.00 0.00 0.00 2
妻子 0.81 0.91 0.86 2869
官方语言 1.00 1.00 1.00 24
成立日期 1.00 1.00 1.00 2082
配音 0.99 0.95 0.97 586
邮政编码 1.00 1.00 1.00 2
海拔 1.00 1.00 1.00 54
作词 0.82 0.52 0.63 1669
创始人 0.84 0.86 0.85 308
主持人 0.86 0.89 0.87 696
母亲 0.98 0.52 0.68 1661
人口数量 1.00 0.94 0.97 64
修业年限 0.00 0.00 0.00 2
制片人 0.79 0.70 0.74 248
编剧 0.82 0.56 0.67 902
气候 1.00 0.98 0.99 104
改编自 0.95 0.98 0.96 108
票房 1.00 1.00 1.00 296
主演 0.96 0.96 0.96 7056
面积 0.92 0.92 0.92 76
出品公司 0.98 0.98 0.98 1056
朝代 0.96 0.99 0.97 1026
董事长 0.98 0.94 0.96 1220
作者 0.93 0.96 0.94 4260
嘉宾 0.77 0.87 0.82 922
获奖 1.00 1.00 1.00 584
总部地点 1.00 0.99 0.99 408
accuracy 0.88 52973
macro avg 0.88 0.87 0.87 52973
weighted avg 0.89 0.88 0.88 52973在得到了各自的模型之后，在get_result.py中可以进行三元组抽取了：
python get_result.py
('明早起飞', 0, 'subject')
('明太鱼', 7, 'object')
('满江', 13, 'object')
('戴娆', 18, 'object')
[('明早起飞', 0, 4)]
[('明太鱼', 7, 10), ('满江', 13, 15), ('戴娆', 18, 20)]
==========================
明早起飞》是由明太鱼作词，满江作曲，戴娆演唱的一首歌曲
主体： ('明早起飞', 0, 4)
客体： ('明太鱼', 7, 10)
关系： 作词
==========================
明早起飞》是由明太鱼作词，满江作曲，戴娆演唱的一首歌曲
主体： ('明早起飞', 0, 4)
客体： ('满江', 13, 15)
关系： 作曲
==========================
明早起飞》是由明太鱼作词，满江作曲，戴娆演唱的一首歌曲
主体： ('明早起飞', 0, 4)
客体： ('戴娆', 18, 20)
关系： 作曲
('古董相机收藏与鉴赏', 0, 'subject')
('高继生', 12, 'object')
('高峻岭', 16, 'object')
[('古董相机收藏与鉴赏', 0, 9)]
[('高继生', 12, 15), ('高峻岭', 16, 19)]
==========================
古董相机收藏与鉴赏》是由高继生、高峻岭编著，浙江科学技术出版社出版的一本书籍
主体： ('古董相机收藏与鉴赏', 0, 9)
客体： ('高继生', 12, 15)
关系： 作者
==========================
古董相机收藏与鉴赏》是由高继生、高峻岭编著，浙江科学技术出版社出版的一本书籍
主体： ('古董相机收藏与鉴赏', 0, 9)
客体： ('高峻岭', 16, 19)
关系： 作者
('谢顺光', 0, 'subject')
('江西都昌', 8, 'object')
[('谢顺光', 0, 3)]
[('江西都昌', 8, 12)]
==========================
谢顺光，男，祖籍江西都昌，出生于景德镇陶瓷世家
主体： ('谢顺光', 0, 3)
客体： ('江西都昌', 8, 12)
关系： 祖籍
有很多可以改进的地方：
- 一个实体可能是主体，也可能是客体，这里没有考虑到。实际上可以先识别出各种类型的实体，而不是定义为主体和客体。（或许我们先找出所有的实体，然后根据实体间的关系，反过来推测实体的类型。）
- 关系抽取，每次都需要将一对实体和文本输入到网络中进行预测，可以试下输入多个实体对一次性进行多分类，避免对一个句子进行重复编码。
- 没有未知这一类，对于不在关系类别中的没有办法。（或许可以在预测的时候设置一个阈值，如果大于该阈值才认定为那一类，否则就是未知类）
借鉴了该博客的**：https://www.cnblogs.com/jclian91/p/12499062.html （基于keras）