English | 简体中文

开源中文知识图谱抽取框架开箱即用特别版DeepKE-cnSchema

DeepKE 是一个开源的知识图谱抽取与构建工具，支持低资源、长篇章、多模态的知识抽取工具，可以基于PyTorch实现命名实体识别、关系抽取和属性抽取功能。此版本DeepKE-cnSchema为开箱即用版本，用户下载模型即可实现支持cnSchema的实体和关系知识抽取。

内容导引

章节	描述
简介	介绍DeepKE-cnSchema基本原理
中文模型下载	提供了DeepKE-cnSchema的下载地址
数据集及中文模型效果	提供了中文数据集以及中文模型效果
快速加载	介绍了如何使用DeepKE-cnSchema进行实体识别、关系抽取
自定义模型	提供了使用自定义数据训练模型的说明
FAQ	常见问题答疑
引用	本目录的技术报告

简介

DeepKE 是一个开源的知识图谱抽取与构建工具，支持低资源、长篇章、多模态的知识抽取工具，可以基于PyTorch实现命名实体识别、关系抽取和属性抽取功能。同时为初学者提供了详尽的文档，Google Colab教程，在线演示和幻灯片。

为促进中文领域的知识图谱构建和方便用户使用，DeepKE提供了预训练好的支持cnSchema的特别版DeepKE-cnSchema，支持开箱即用的中文实体抽取和关系抽取等任务，可抽取50种关系类型和28种实体类型，其中实体类型包含了通用的人物、地点、城市、机构等类型，关系类型包括了常见的祖籍、出生地、国籍、朝代等类型。

中文模型下载

对于实体抽取和关系抽取任务分别提供了基于RoBERTa-wwm-ext, Chinese和BERT-wwm, Chinese训练的模型。

模型简称	功能	Google下载	百度网盘下载
`DeepKE(NER), RoBERTa-wwm-ext, Chinese`	实体抽取	PyTorch	Pytorch（密码u022）
`DeepKE(NER), BERT-wwm, Chinese`	实体抽取	PyTorch	Pytorch（密码1g0t）
`DeepKE(NER), BiLSTM-CRF, Chinese`	实体抽取	PyTorch	Pytorch（密码my4x）
`DeepKE(RE), RoBERTa-wwm-ext, Chinese`	关系抽取	PyTorch	Pytorch（密码78pq）
`DeepKE(RE), BERT-wwm, Chinese`	关系抽取	PyTorch	Pytorch（密码6psm）

使用说明

中国大陆境内建议使用百度网盘下载点，境外用户建议使用谷歌下载点。实体抽取模型中，以Pytorch版DeepKE(RE), RoBERTa-wwm-ext, Chinese为例，下载完毕后得到模型文件：

checkpoints_robert
    |- added_tokens.json          # 额外增加词表
    |- config.json                # 整体参数
    |- eval_results.txt           # 验证结果
    |- model_config.json          # 模型参数
    |- pytorch_model.bin          # 模型
    |- special_tokens_map.json    # 特殊词表映射
    |- tokenizer_config.bin       # 分词器参数
    |- vocab.txt                  # 词表

其中config.json和vocab.txt与谷歌原版RoBERTa-wwm-ext, Chinese完全一致。 PyTorch版本则包含pytorch_model.bin, config.json, vocab.txt文件。

关系抽取模型中，以Pytorch版DeepKE(RE), RoBERTa-wwm-ext, Chinese为例，下载后为pth文件。

下载模型后，用户即可直接快速加载模型进行实体关系抽取。

数据集及中文基线系统效果

数据集

我们在中文实体识别和关系抽取数据集上进行了实验，实验结果如下

实体识别（NER）

DeepKE使用chinese-bert-wwm和chinese-roberta-wwm-ext为基础训练得到了DeepKE-cnSchema(NER)模型。模型所使用的超参数均为预定义的参数。最终经过训练后可以得到如下表的效果

模型	P	R	F1
DeepKE(NER), RoBERTa-wwm-ext, Chinese	0.8028	0.8612	0.8310
DeepKE(NER), BERT-wwm, Chinese	0.7841	0.8587	0.8197

关系抽取（RE）

DeepKE使用chinese-bert-wwm和chinese-roberta-wwm-ext为基础得到了DeepKE-cnschema(RE)模型。模型所使用的超参数均为预定义的参数。最终经过训练后可以得到如下表的效果

模型	P	R	F1
DeepKE(RE), RoBERTa-wwm-ext, Chinese	0.7890	0.7370	0.7327
DeepKE(RE), BERT-wwm, Chinese	0.7861	0.7506	0.7473

支持知识Schema类型

DeepKE-cnSchema特别版为支持中文领域知识图谱构建推出的开箱即用版本。 CnSchema是面向中文信息处理，利用先进的知识图谱、自然语言处理和机器学习技术，融合结构化与文本数据，支持快速领域知识建模，支持跨数据源、跨领域、跨语言的开放数据自动化处理，为智能机器人、语义搜索、智能计算等新兴应用市场提供schema层面的支持与服务。目前，DeepKE-cnSchema支持的Schema类型如下表所示：

实体Schema

序号	实体类型	序号	实体类型
1	cns:人物 YAS	2	cns:影视作品 TOJ
3	cns:目 NGS	4	cns:生物 QCV
5	cns:Number OKB	6	cns:Date BQF
7	cns:国家 CAR	8	cns:网站 ZFM
9	cns:网络小说 EMT	10	cns:图书作品 UER
11	cns:歌曲 QEE	12	cns:地点 UFT
13	cns:气候 GJS	14	cns:行政区 SVA
15	cns:TEXT ANO	16	cns:历史人物 KEJ
17	cns:学校 ZDI	18	cns:企业 CAT
19	cns:出版社 GCK	20	cns:书籍 FQK
21	cns:音乐专辑 BAK	22	cns:城市 RET
23	cns:景点 QZP	24	cns:电视综艺 QAQ
25	cns:机构 ZRE	26	cns:作品 TDZ
27	cns:语言 CVC	28	cns:学科专业 PMN

关系Schema

序号	头实体类型	尾实体类型	关系	序号	头实体类型	尾实体类型	关系
1	cns:地点	cns:人物	cns:祖籍	2	cns:人物	cns:人物	cns:父亲
3	cns:地点	cns:企业	cns:总部地点	4	cns:地点	cns:人物	cns:出生地
5	cns:目	cns:生物	cns:目	6	cns:Number	cns:行政区	cns:面积
7	cns:Text	cns:机构	cns:简称	8	cns:Date	cns:影视作品	cns:上映时间
9	cns:人物	cns:人物	cns:妻子	10	cns:音乐专辑	cns:歌曲	cns:所属专辑
11	cns:Number	cns:企业	cns:注册资本	12	cns:城市	cns:国家	cns:首都
13	cns:人物	cns:影视作品	cns:导演	14	cns:Text	cns:历史人物	cns:字
15	cns:Number	cns:人物	cns:身高	16	cns:企业	cns:影视作品	cns:出品公司
17	cns:Number	cns:学科专业	cns:修业年限	18	cns:Date	cns:人物	cns:出生日期
19	cns:人物	cns:影视作品	cns:制片人	20	cns:人物	cns:人物	cns:母亲
21	cns:人物	cns:影视作品	cns:编辑	22	cns:国家	cns:人物	cns:国籍
23	cns:人物	cns:影视作品	cns:编剧	24	cns:网站	cns:网站小说	cns:连载网络
25	cns:人物	cns:人物	cns:丈夫	26	cns:Text	cns:历史人物	cns:朝代
27	cns:Text	cns:人物	cns:民族	28	cns:Text	cns:历史人物	cns:朝代
29	cns:出版社	cns:书籍	cns:出版社	30	cns:人物	cns:电视综艺	cns:主持人
31	cns:Text	cns:学科专业	cns:专业代码	32	cns:人物	cns:歌曲	cns:歌手
33	cns:人物	cns:歌曲	cns:作曲	34	cns:人物	cns:网络小说	cns:主角
35	cns:人物	cns:企业	cns:董事长	36	cns:Date	cns:企业	cns:成立时间
37	cns:学校	cns:人物	cns:毕业院校	38	cns:Number	cns:机构	cns:占地面积
39	cns:语言	cns:国家	cns:官方语言	40	cns:Text	cns:行政区	cns:人口数量
41	cns:Number	cns:行政区	cns:人口数量	42	cns:城市	cns:景点	cns:所在城市
43	cns:人物	cns:图书作品	cns:作者	44	None	None	其他
45	cns:人物	cns:歌曲	cns:作曲	46	cns:人物	cns:行政区	cns:气候
47	cns:人物	cns:电视综艺	cns:嘉宾	48	cns:人物	cns:影视作品	cns:主演
49	cns:作品	cns:影视作品	cns:改编自	50	cns:人物	cns:企业	cns:创始人

快速加载

实体识别（NER）

用户可以直接下载模型进行使用，具体流程如下：

将下载的模型文件夹命名为checkpoints
修改 predict.yaml中的参数text为需要预测的文本

使用训练好的模型，只需输入句子“《星空黑夜传奇》是连载于起点中文网的网络小说，作者是啤酒的罪孽”，运行python predict.py后可得到结果，结果显示“星空黑夜传奇”实体类型为经过cnschema对齐后的“网络小说”，“起点中文网”为“网站”，“啤酒的罪孽”为“人物。
```
text=“《星空黑夜传奇》是连载于起点中文网的网络小说，作者是啤酒的罪孽”
```

预测

python predict.py

最终输出结果

NER句子：
《星空黑夜传奇》是连载于起点中文网的网络小说，作者是啤酒的罪孽
NER结果：
[('星','B-UER'),('空','I-UER'),('黑','I-UER'),('夜','I-UER'),('传','I-UER'),('奇','I-UER'),('起','B-ZFM'),('点','I-ZFM'),('中','I-ZFM'),('文','I-ZFM'),('网','I-ZFM'),('啤','B-YAS'),('酒','I-YAS'),('的','I-YAS'),('罪','I-YAS'),('孽','I-YAS')]

关系抽取（RE）

使用者可以直接下载模型使用,步骤如下：

修改 predict.yaml中的参数fp为下载文件的路径，embedding.yaml中num_relations为51（关系个数）,config.yaml中的参数model为lm

进行预测。需要预测的文本及实体对通过终端输入给程序。

python predict.py

使用训练好的模型，运行python predict.py后，只需输入的句子为“歌曲《人生长路》出自刘德华国语专辑《男人的爱》，由李泉作词作曲，2001年出行发版”，给定的实体对为“男人的爱”和“人生长路”，可得到结果，最终抽取出的关系为经过cnschema对齐后的“所属专辑”。

将predict.py的_get_predict_instance函数修改成如下范例，即可修改文本进行预测

def _get_predict_instance(cfg):
    flag = input('是否使用范例[y/n]，退出请输入: exit .... ')
    flag = flag.strip().lower()
    if flag == 'y' or flag == 'yes':
        sentence = '歌曲《人生长路》出自刘德华国语专辑《男人的爱》，由李泉作词作曲，2001年出行发版'
        head = '男人的爱'
        tail = '人生长路'
        head_type = '所属专辑'
        tail_type = '歌曲'
    elif flag == 'n' or flag == 'no':
        sentence = input('请输入句子：')
        head = input('请输入句中需要预测关系的头实体：')
        head_type = input('请输入头实体类型：')
        tail = input('请输入句中需要预测关系的尾实体：')
        tail_type = input('请输入尾实体类型：')
    elif flag == 'exit':
        sys.exit(0)
    else:
        print('please input yes or no, or exit!')
        _get_predict_instance()

    instance = dict()
    instance['sentence'] = sentence.strip()
    instance['head'] = head.strip()
    instance['tail'] = tail.strip()
    if head_type.strip() == '' or tail_type.strip() == '':
        cfg.replace_entity_with_type = False
        instance['head_type'] = 'None'
        instance['tail_type'] = 'None'
    else:
        instance['head_type'] = head_type.strip()
        instance['tail_type'] = tail_type.strip()

    return instance

最终输出结果

“男人的爱”和“人生长路”在句中关系为“所属专辑”，置信度为0.99

联合三元组抽取

用户可以先将上述模型下载至本地，然后使用example/triple中的代码进行三元组抽取。如果单句中存在超过两个以上的实体数，可能在一些实体对中会存在预测不准确的问题，那是因为这些实体对并没有被加入训练集中进行训练，所以需要进一步判断，具体使用步骤如下：

将conf文件夹中的predict.yaml中的text修改为预测文本，nerfp修改为ner模型文件夹地址，refp为re模型地址
进行预测。
```
python predict.py
```
期间将输出各个中间步骤结果，以输入文本此外网易云平台还上架了一系列歌曲，其中包括田馥甄的《小幸运》等为例。

2.1 输出经过ner模型后得到结果[('田', 'B-YAS'), ('馥', 'I-YAS'), ('甄', 'I-YAS'), ('小', 'B-QEE'), ('幸', 'I-QEE'), ('运', 'I-QEE')]。

2.2 输出进行处理后结果{'田馥甄': '人物', '小幸运': '歌曲'}

2.3 输出经过re模型后得到结果 "田馥甄" 和 "小幸运" 在句中关系为："歌手"，置信度为0.92。

2.4 输出jsonld格式化后结果
```
{
  "@context": {
    "歌手": "https://cnschema.openkg.cn/item/%E6%AD%8C%E6%89%8B/16693#viewPageContent"
  },
  "@id": "田馥甄",
  "歌手": {
    "@id": "小幸运"
  }
}
```

自定义模型

实体识别任务（NER）

如果需要使用自定义的数据进行训练，步骤如下：

下载自定义的数据集，将其放入命名为data的文件夹中
将conf文件夹中的train.yaml中的bert_model修改为指定模型，用户可以通过修改yaml文件选择不同的模型进行训练（推荐直接下载模型，设置bert_model为模型路径）
修改train.yaml中的labels为data/type.txt中所用到的标签
进行训练
```
python run.py
```

关系抽取任务（RE）

如果需要使用其他模型进行训练，步骤如下：

下载自定义的数据集，将其重命名为data
将conf文件夹中的train.yaml为lm,lm.yaml中的lm_file修改为指定预训练模型，embedding.yaml中num_relations为关系的个数如51，用户可以通过修改yaml文件选择不同的模型进行训练
进行训练。
```
python run.py
```

FAQ

Q: 这个模型怎么用？ A: 开箱即用，下载好模型按照使用说明就能够抽取预定义cnSchema包含的知识。 如果想抽取cnSchema之外的知识，可以使用高级版本自定义数据进行训练哦

Q: 请问有其他cnSchema抽取模型提供吗？ A: 很遗憾，我们暂时只能支持部分cnSchema的知识抽取，未来会发布更多的知识抽取模型。

Q: 我训出来比你更好的结果！ A: 恭喜你。

Q: 自己数据输入进去编码报错 A: 可能中文输入数据包含了不可见的特殊字符，这些字符无法被某些编码因而报错，您可以通过编辑器或其他工具预处理中文数据解决这一问题。

引用

如果本项目中的资源或技术对你的研究工作有所帮助，欢迎在论文中引用下述论文。

@inproceedings{DBLP:conf/emnlp/ZhangXTYYQXCLL22,
  author    = {Ningyu Zhang and
               Xin Xu and
               Liankuan Tao and
               Haiyang Yu and
               Hongbin Ye and
               Shuofei Qiao and
               Xin Xie and
               Xiang Chen and
               Zhoubo Li and
               Lei Li},
  editor    = {Wanxiang Che and
               Ekaterina Shutova},
  title     = {DeepKE: {A} Deep Learning Based Knowledge Extraction Toolkit for Knowledge
               Base Population},
  booktitle = {Proceedings of the The 2022 Conference on Empirical Methods in Natural
               Language Processing, {EMNLP} 2022 - System Demonstrations, Abu Dhabi,
               UAE, December 7-11, 2022},
  pages     = {98--108},
  publisher = {Association for Computational Linguistics},
  year      = {2022},
  url       = {https://aclanthology.org/2022.emnlp-demos.10},
  timestamp = {Thu, 23 Mar 2023 16:56:00 +0100},
  biburl    = {https://dblp.org/rec/conf/emnlp/ZhangXTYYQXCLL22.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

免责声明

该项目中的内容仅供技术研究参考，不作为任何结论性依据。使用者可以在许可证范围内任意使用该模型，但我们不对因使用该项目内容造成的直接或间接损失负责。

问题反馈

如有问题，请在GitHub Issue中提交。

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

README_CNSCHEMA_CN.md

README_CNSCHEMA_CN.md

开源中文知识图谱抽取框架开箱即用特别版DeepKE-cnSchema

内容导引

简介

中文模型下载

使用说明

数据集及中文基线系统效果

数据集

实体识别（NER）

关系抽取（RE）

支持知识Schema类型

实体Schema

关系Schema

快速加载

实体识别（NER）

关系抽取（RE）

联合三元组抽取

自定义模型

实体识别任务（NER）

关系抽取任务（RE）

FAQ

引用

免责声明

问题反馈

Files

README_CNSCHEMA_CN.md

Latest commit

History

README_CNSCHEMA_CN.md

File metadata and controls

开源中文知识图谱抽取框架开箱即用特别版DeepKE-cnSchema

内容导引

简介

中文模型下载

使用说明

数据集及中文基线系统效果

数据集

实体识别（NER）

关系抽取（RE）

支持知识Schema类型

实体Schema

关系Schema

快速加载

实体识别（NER）

关系抽取（RE）

联合三元组抽取

自定义模型

实体识别任务（NER）

关系抽取任务（RE）

FAQ

引用

免责声明

问题反馈