Ricardokevins/Bert-In-Relation-Extraction

解決的問題

本專案提供一個關係抽取模型，此任務旨在識別文本中提及的兩個實體之間的語意關係（例如，識別「趙麗穎」是「花千骨」的「主演」）。該模型專為百度 DuIE 資料集設計，該資料集包含 49 種不同類型的關係。

工作原理

模型採用基於 BERT 的序列分類架構。將兩個實體與原始句子串接後輸入 BERT 編碼器，隨後透過全連接（FC）層與交叉熵損失函數進行處理。實作中包含 MASK-Attention 機制以提升效能。

適用對象

對自然語言處理（NLP）與關係抽取感興趣的開發者與研究人員，特別是從事中文文本處理及 DuIE 資料集工作的人員。

主要亮點

• 高準確度：在完整的百度 DuIE 測試集上達到最高 95.37% 的準確率。
• 預訓練模型：提供 92.5% 與 95.37% 準確率的預訓練模型下載連結。
• 即時可用的示範：包含 demo.py 指令碼，可快速測試並產生範例輸出。
• 全面的資料集支援：專為 DuIE 資料集中定義的 49 種關係類別進行優化。