2019关系抽取baseline解读 - dylhhh/2020-LIC-RE- GitHub Wiki

2019 baseline解读

Baseline主要有两个模型构成：一个P模型，一个SPO模型。其中P模型是一个使用Bi-LSTM +max-pooling 的多分类模型，目的是将给定的句子进行关系分类。而SPO模型，是将已经分类的句子，通过BIEO的标注方式进行打标签，并识别出关系中的“subject”和“object”

GSxbGt.png

整个模型架构如下:

GpCBNQ.png

项目提供了三个dict：Label_dict，p_dict, postag_dict ,供比赛使用：

GSzNod.png

其中，label_dict是BIEO的标注方式，p_dict是每种关系对应的编码，postag_dict是词性标注

其中P模型的结构和输入、输出如下：

GpinoD.png

P模型的输入是：word_idx，postag_dict，label_dict（p_eng）, train_data，dev_data。

输出主要为：['word_data', 'token_pos']和这个句子属于的关系类别。

P模型结构如下：

GpKuRK.png

SPO模型如下：

GpKToR.png

它的输入是：word_idx，postag_dict(词性标注对应的字典)，label_dict（用BIEO标注的subject和object，在这个模型中也称为so_label)，p_eng_dict，train_data，test_data.

输出的是：['word_data', 'token_pos', 'p_word'],和输出的subject和object。

SPO的模型构架如下：

GpMVOg.png

模型的评价方法：

首先（S,P,O）三者都对应相等，才算一个正例。通过计算precision和recall，进而计算F1值。

GpMr6O.png

其中correct_sum的计算方法如下：

GpMojS.png

当得到的SPO是golden_spo_set(真实的SPO)、alias_dict(别名)，loc_dict(location entities of various granularity)。correct_sum加一。recall_correct_sum计算方法同理。