Ricardokevins/Bert-In-Relation-Extraction

解决的问题

本项目提供了一个关系抽取模型，该任务旨在识别文本中提及的两个实体之间的语义关系（例如，识别「赵丽颖」是「花千骨」的「主演」）。该模型专为百度 DuIE 数据集设计，该数据集包含 49 种不同类型的语义关系。

工作原理

该模型采用基于 BERT 的序列分类架构。将两个实体和原始句子拼接后输入 BERT 编码器，随后通过全连接（FC）层和交叉熵损失函数进行处理。实现中包含 MASK-Attention 机制以提升性能。

适用人群

对自然语言处理（NLP）和关系抽取感兴趣的开发者与研究人员，特别是从事中文文本处理及 DuIE 数据集工作的人员。

主要亮点

• 高精度：在完整的百度 DuIE 测试集上达到最高 95.37% 的准确率。
• 预训练模型：提供 92.5% 和 95.37% 准确率的预训练模型下载链接。
• 开箱即用的演示：包含 demo.py 脚本，可快速测试并生成示例输出。
• 全面的数据集支持：专门针对 DuIE 数据集中定义的 49 种关系类别进行了优化。