Baidu-2020-Language-and-Intelligent-Technology-Competition-Relation-Extraction-rank15

比赛链接：https://aistudio.baidu.com/aistudio/competition/detail/31?isFromCcf=true
结果

主要思路

  将任务分割为关系类别识别和关系实体识别，模型先进行关系类别识别，根据给定的55个关系类别，我们进行55个二分类，即判断这55个关系是否在当前句子内出现；然后根据关系识别模型判断的在句子内出现的n个关系；分别将这n个关系作为特征同原始句子结合生成n个样本，输入二阶段的关系实体识别模型识别出属于每个关系的主体及客体；最后对句子内每个关系识别出的多个关系主体和关系客体进行排列组合，生成不同的关系三元组。

1. 关系分类模型：采用Robera+腾讯预训练词向量进行字词混合编码，然后使用DGCNN及Conditional layernorm进行后续处理及分类
2. 关系主客体识别模型：Roberta+BiLSTM/DGCNN+CRF
3. 后处理：使用训练集构建知识库对输出结果进行补充校验

运行方法

1. 首先将dataset内的数据压缩包解压得到原始数据文件
2. 在按照requirements.txt安装依赖包之后，运行kg_make.py，生成附带知识库信息的新数据文件，即train_data.json->new_train_data.json
3. 打开main.ipynb，按照其内的顺序及指引依次运行即可，其中model部分使用词向量的block被注释掉，可以直接下载Roberta即可运行，如果想使用词向量结合编码，可以将注释的部分重新放回
   需要自行下载Roberta-wwm-ext及腾讯词向量
   Roberta-wwm-ext: https://github.com/ymcui/Chinese-BERT-wwm
   腾讯词向量: https://ai.tencent.com/ailab/nlp/zh/embedding.html

参考资料

https://spaces.ac.cn/archives/6671
https://kexue.fm/archives/7124