tacred relation

位置感知注意力RNN模型用于关系提取

该仓库包含用于纸张位置引人注目的Pytorch代码，并且有监督的数据改善了插槽填充。

Tacred数据集：有关TAC关系提取数据集的详细信息，请参见此数据集网站。

要求

• Python 3（在3.6.2上测试）
• Pytorch（在1.0.0上测试）
• 解压缩，wget（仅用于下载）

准备

首先，从斯坦福网站下载并解开拉链手套向量，with：

 chmod +x download.sh; ./download.sh

然后用以下方式准备词汇和初始单词向量

 python prepare_vocab.py dataset/tacred dataset/vocab --glove_dir dataset/glove

这将在DIR dataset/vocab中将词汇和单词向量写为numpy矩阵。

训练

使用以下方式培训一个感知的关注RNN模型

 python train.py --data_dir dataset/tacred --vocab_dir dataset/vocab --id 00 --info "Position-aware attention model"

使用--topn N只能对顶n个单词矢量进行验证。该脚本将自动进行预处理（单词辍学，实体掩蔽等）。

使用以下方式培训LSTM模型：

 python train.py --data_dir dataset/tacred --vocab_dir dataset/vocab --no-attn --id 01 --info "LSTM model"

模型检查点和日志将保存到./saved_models/00 。

评估

在测试集上进行评估：

 python eval.py saved_models/00 --dataset test

默认情况下，这将使用best_model.pt 。使用--model checkpoint_epoch_10.pt指定模型检查点文件。添加--out saved_models/out/test1.pkl将模型概率输出写入文件（用于集合等）。

合奏

请参阅示例脚本ensemble.sh 。

执照

此软件包中包含的所有工作均根据Apache许可证版本2.0授予许可。请参阅随附的许可证文件。