tacred relation

位置感知注意力RNN模型用於關係提取

該倉庫包含用於紙張位置引人注目的Pytorch代碼，並且有監督的數據改善了插槽填充。

Tacred數據集：有關TAC關係提取數據集的詳細信息，請參見此數據集網站。

要求

• Python 3（在3.6.2上測試）
• Pytorch（在1.0.0上測試）
• 解壓縮，wget（僅用於下載）

準備

首先，從斯坦福網站下載並解開拉鍊手套向量，with：

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

然後用以下方式準備詞彙和初始單詞向量

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

這將在DIR dataset/vocab中將詞彙和單詞向量寫為numpy矩陣。

訓練

使用以下方式培訓一個感知的關注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只能對頂n個單詞矢量進行驗證。該腳本將自動進行預處理（單詞輟學，實體掩蔽等）。

使用以下方式培訓LSTM模型：

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

模型檢查點和日誌將保存到./saved_models/00 。

評估

在測試集上進行評估：

 python eval.py saved_models/00 --dataset test

默認情況下，這將使用best_model.pt 。使用--model checkpoint_epoch_10.pt指定模型檢查點文件。添加--out saved_models/out/test1.pkl將模型概率輸出寫入文件（用於集合等）。

合奏

請參閱示例腳本ensemble.sh 。

執照

此軟件包中包含的所有工作均根據Apache許可證版本2.0授予許可。請參閱隨附的許可證文件。