pytorch-relation-extraction
pytorch-relation-extraction copied to clipboard
ShomyLiu
distant supervised relation extraction models: PCNN MIL (Zeng 2015), PCNN+ATT(Lin 2016). 关系抽取
No such file or directory: './dataset/FilterNYT/w2v.npy' 你好，该文件已经存在了，但是仍然报错说不存在。请问这是什么问题，如果是路径的问题，我该在哪里修改这个部分代码（我一直没有找到有关该路径修改的代码）
module 'torch._C' has no attribute '_cuda_setDevice' 你好 出现这种情况该怎么解决呀？
博主您好，在test的时候，我们遍历所有的relation进行attention。 ` res = torch.cat(pre_y, 1).max(1)[0]` 假设使用label 0 ([690*1])这个relation来作attention，将attention后的结果用于计算各个关系的概率分布。 ` out = self.test_scale_p * bags_feature.mm(self.rel_embs.t()) + self.rel_bias` ([128,53]) 这里的max是指在第2维度取最大值作为label 0这个relation的概率吗？依次类推遍历所有relation，就能得到在所有relation上的概率。 这里可不可以不作max，直接取out中label 0对应的维度所对应的概率作为结果。 还有一个问题，PCNN-ATT中eval_metric_var，这是直接对预测概率排名前2000的计算pr吗？
关于mask计算的问题
你好，请问一下mask = [1] * (epos[0] + 1)这儿为什么要+1呢。我看输出数据的时候，entity的index在24，但是mask为1的却有 25个。 
你好，为什么执行代码中的c++代码后，生成的bags_train.txt文件全是NA关系？ 
请问博主，在每个epoch结束时，调用predict函数中的out=model(data)，是不是需要用with torch.no_grad()包起来呢？ 还有一个问题，在训练的时候，我们知道label是多少，因此可以在调用select_instance时只取label对应的那一列概率最大的instance作为下面的训练样本，但是在predict时，我们并没有经过select_instance这一步，而是直接取概率最大的那一列作为label。换句话说，select_instance时，model是不是应该停止梯度更新呢？select_instance学到的是从包中选择正确的样例进行训练，但是predict时并没有这一步。还是说我们在predict中也加入select_instance,但这样好像又不是多实例学习的只要预测对包中的一个？其实自己纠结的就是train过程中比predict多出的一个select_instance. 第二个问题可能没表达清楚，博主可以回答一下第一个问题嘛？谢谢！
你好，看了你的代码中用mask做fast piece-wise pooling的部分，不是很懂，能不能简单解释一下？或者给出相关的参考资料，非常感谢！！！
你好经过 extract 处理过的数据集，最终生成的文件中 第一行是 4 项，前两个是实体id ， 后两个是什么？“NA 542694” 之类的。 能否对生成的数据做一个详细的说明
你好~ 在数据预处理时，如果句子过短的话需要在句尾填充0，那在将填充的部分转换为word embedding的时候是直接找0的那个embedding吗？如果是这样的话不会导致学习到错误的特征吗？
