袁宵
> 这个代码我也运行了 看最后提交文件效果也不太好。关系抽取的结果大多数都没有正确输出。是我执行的方法有问题吗？ 我是按照readme 执行的。 还有，请问两个代码评估准确率方法可以共用吗 建议你直接使用这个，https://github.com/yuanxiaosc/Entity-Relation-Extraction
@ztclear 这里预估的关系是指整句话可能含有的关系，无法区分是哪个词语的。这份代码侧重于用一些先验知识，主要是一些统计规律和规则来预测，比如识别出来几个名词，那么就去先查这几个名词各种组合可能的关系，如果查到就直接使用，没有找到再用模型预估的关系。
不用等模型训练完，训练过程中保存的模型也是可以拿出来使用的 ztclear 于2020年11月25日周三 上午10:04写道： > 谢谢你 我了解了 > 还想请问的一点是，你在跑这个模型时使用的是完整的比赛数据集吗？我现在正在用完整的数据集跑，但是感觉仍然需要很长的时间。是不是应该用github那个模型里面下载时自带的部分数据集呢 > > > > > ------------------ 原始邮件 ------------------ > 发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" < > [email protected]>; > 发送时间: 2020年11月21日(星期六) 晚上8:59 > 收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"< > [email protected]>; > 抄送: "空"...
可以尝试模型调参（比如学习率）和特征工程（比如用规则的方法去除训练数据中的部分噪音） ztclear 于2020年11月30日周一 下午2:09写道： > 非常感谢你的指导，但是我现在遇到了一个问题，第一个关系分类模型正确得到了76%左右的准确率，但是第二个实体标注子模型效果仍然不佳，我之前用的是部分数据，以为是训练数据不够造成的，但是我使用完整数据集训练后甚至没有之前效果好，效果如下图，尊却率15.4%，召回率0.2%，F1值0.39% > 我尝试了一天多也没有找到原因，所以想请教一下你 > > > > > ------------------ 原始邮件 ------------------ > 发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" < > [email protected]>; > 发送时间: 2020年11月27日(星期五) 中午11:12 > 收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"< > [email protected]>; > 抄送: "空" 主题: Re:...