pytorch_triple_extraction
pytorch_triple_extraction copied to clipboard
taishan1994
基于pytorch的中文三元组提取（命名实体识别+关系抽取）
 chinese-bert-wwm-ext与chinese-roberta-wwm-ext里面的文件是一样的吗？我看他们的大小都相同。
作者您好! 我刚刚接触知识图谱不久，非常感谢您的详细注释和方案解析可以让我对相关知识了解更多。 通过您的方法可以构建出"实体1-关系-实体2"的三元组，我想增加"实体-属性-属性值"的三元组。想请教您，这个问题通过您的模型可以解决吗? 或者麻烦您可以提供一个大概思路吗?
作者您好，您的项目对我有很大的帮助，但是关于NER模型高层部分构成的目的我有一些问题想要请教您。 首先下图是模型高层部分的构成图：  其中最后线性分类器的输出维度和CRF部分的tag数量我根据自己任务进行了更改，但这不会影响到我下面的问题。 我的问题是： 1、中间线性层中为何首先将768降维到256？256这个数字是通过什么方式得到的？ 2、后续的ReLU激活函数的目的又是什么？ 3、在模型真正实现的过程中dropout操作并没有真正采用，原因是否是因为在中间线性层中已经进行过了dropout？ 期待您拨冗回复！
麻烦作者了，我在训练的时候，step到310的时候，调用utils.py里面的sequence_padding()函数时，为什么input是空列表，求解答 
作者您好！作为一个知识图谱初学者，非常感谢您这项工作，让我获益颇多。 在进行关系抽取步骤时，我注意到您将句子中的每个实体两两组合，若不是同一个三元组则将其标注为未知，这样的预处理为模型输入带来了很多标签为“未知”的数据，同时很大的增大了数据量。请问若仅将原始数据中的三元组预处理，而不新增“未知”的关系类型，这与您现在采用方法相比，会对模型结果带来很大改变吗？
