首页 > 其他分享> > 一个利用CNN抽取实体的工具

一个利用CNN抽取实体的工具

2021-10-23 13:01:45 作者：互联网

CNN4IE

项目地址：https://github.com/jiangnanboy/CNN4IE

中文信息抽取工具。使用CNN的不同变体进行信息抽取，以后会持续加入不同模型。该项目使用pytorch，python开发。

CNN4IE将各种改进版本的conv进行改动用于中文信息抽取。

Guide

Intro

目前主要实现中文实体抽取：

训练样本以B、I、O形式进行标注。

Model

模型

模型里面的conv块部分主要来自后面的paper中的部分模块。

1.MultiLayerResCNN(cnn4ie/mlrescnn)：多层残差CNN(+CRF)， Convolutional Sequence to Sequence Learning 。
2.MultiLayerResDSCNN(cnn4ie/dscnn)：多层深度可分离depthwise_separable_convolutionCNN(+CRF)， Xception: Deep Learning with Depthwise Separable Convolutions 。
3.MultiLayerAugmentedCNN(cnn4ie/attention_augmented_cnn)：多层注意力增强CNN(+CRF)， Attention Augmented Convolutional Networks 。
4.MultiLayerLambdaCNN(cnn4ie/lambda_cnn)：多层LambdaCNN(+CRF)， LambdaNetworks: Modeling long-range Interactions without Attention 。
5.MultiLayerResLWCNN(cnn4ie/lcnn)：多层轻量LightweightCNN(+CRF)， Pay Less Attention with Lightweight and Dynamic Convolutions 。
6.MultiLayerResDYCNN(cnn4ie/dcnn)：多层动态DynamicCNN(+CRF)， Pay Less Attention with Lightweight and Dynamic Convolutions 。
7.MultiLayerStdAttnCNN(cnn4ie/stand_alone_self_attention_cnn)：多层独立自注意力stand_alone_self_attention_CNN(+CRF)，Stand-Alone Self-Attention in Vision Models 。
8.MultiLayerCSAttCNN(cnn4ie/channel_spatial_attention_cnn)，多层联合通道和空间注意力channel_spatial_attention_CNN(+CRF)，CBAM: Convolutional Block Attention Module 。
9.MultiLayerSACNN(cnn4ie/self_attention_cnn)，多层self-attention_CNN(+CRF)，Self-Attention Generative Adversarial Networks 。
10.MultiLayerGroupMixedCNN(cnn4ie/mixed_depthwise_cnn)，多层mixed_depthwise_CNN(+CRF)，MixConv: Mixed Depthwise Convolutional Kernels 。
11.MultiLayerMultiCNN(cnn4ie/multi_cnn)，多层multiconv_CNN(+CRF)，Character-Level Translation with Self-attention 。
12.MultiLayerMixedAttCNN(cnn4ie/mixed_attention_cnn)，多层混合(全局和局部attention)mixed_attention_cnn，ConvBERT: Improving BERT with Span-based Dynamic Convolution 。

Usage

相关参数的配置config见每个模型文件夹中的config.cfg文件，训练和预测时会加载此文件。

训练及预测(支持加载预训练的embedding向量)

1.MULTILAYERRESCNN(CNN4IE/MLRESCNN)

(1).训练

from cnn4ie.mlrescnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 199 | Time: 0m 4s
  Train Loss: 228.545 | Train PPL: 1.802960293422957e+99
   Val. Loss: 433.577 |  Val. PPL: 1.9966207577208172e+188
   Val. report:               precision    recall  f1-score   support

         1       1.00      1.00      1.00      4539
         2       0.98      0.99      0.99      4926
         3       0.90      0.83      0.86       166
         4       0.74      0.98      0.84        52
         5       0.94      0.77      0.84       120
         6       0.76      0.97      0.85        39
         7       0.82      0.87      0.85        54
         8       0.93      0.74      0.82        68
         9       0.95      0.77      0.85        26
        10       1.00      0.80      0.89        10

  accuracy                           0.98     10000
  macro avg       0.90      0.87      0.88     10000
  weighted avg       0.99      0.98      0.98     10000

(2).预测

from cnn4ie.mlrescnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config_cfg')
result = predict.predict('据新华社报道，安徽省六安市被评上十大易居城市！')

print(result)

[{'start': 7, 'stop': 13, 'word': '安徽省六安市', 'type': 'LOC'}, {'start': 1, 'stop': 4, 'word': '新华社', 'type': 'ORG'}]

2.MULTILAYERRESDSCNN(CNN4IE/DSCNN)

(1).训练

from cnn4ie.dscnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 192 | Time: 0m 3s
  Train Loss: 191.273 | Train PPL: 1.172960293422957e+99
   Val. Loss: 533.260 |  Val. PPL: 5.2866207577208172e+188
   Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      4539
         2       0.98      0.98      0.98      4926
         3       0.92      0.82      0.87       166
         4       0.82      0.88      0.85        52
         5       0.84      0.76      0.80       120
         6       0.90      0.95      0.92        39
         7       0.90      0.85      0.88        54
         8       0.84      0.71      0.77        68
         9       0.85      0.65      0.74        26
        10       1.00      0.70      0.82        10

  accuracy                           0.98     10000
  macro avg       0.91      0.83      0.86     10000
  weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.dscnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

3.MULTILAYERAUGMENTEDCNN(CNN4IE/ATTENTION_AUGMENTED_CNN)

(1).训练

from cnn4ie.attention_augmented_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 192 | Time: 0m 3s
      Train Loss: 185.204 | Train PPL: 2.711303579086953e+80
       Val. Loss: 561.592 |  Val. PPL: 7.877783034926193e+243
       Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      4539
         2       0.98      0.99      0.98      4926
         3       0.96      0.77      0.85       166
         4       0.81      0.85      0.83        52
         5       0.88      0.71      0.78       120
         6       0.90      0.90      0.90        39
         7       0.90      0.85      0.88        54
         8       0.85      0.69      0.76        68
         9       1.00      0.42      0.59        26
        10       1.00      0.50      0.67        10

  accuracy                           0.98     10000
  macro avg       0.93      0.77      0.82     10000
  weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.attention_augmented_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

4.MULTILAYERLAMBDACNN(CNN4IE/LAMBDA_CNN)

(1).训练

from cnn4ie.lambda_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 197 | Time: 0m 2s
      Train Loss: 198.344 | Train PPL: 1.3800537707438322e+86
       Val. Loss: 668.780 |  Val. PPL: 2.8022239331403918e+290
       Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      4539
         2       0.98      0.98      0.98      4926
         3       0.80      0.78      0.79       166
         4       0.89      0.90      0.90        52
         5       0.86      0.77      0.81       120
         6       0.90      0.92      0.91        39
         7       0.81      0.87      0.84        54
         8       0.88      0.75      0.81        68
         9       0.93      0.54      0.68        26
        10       1.00      0.70      0.82        10

  accuracy                           0.98     10000
  macro avg       0.90      0.82      0.85     10000
  weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.lambda_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

5.MULTILAYERRESLWCNN(CNN4IE/LCNN)

(1).训练

from cnn4ie.lcnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 190 | Time: 0m 4s
      Train Loss: 195.472 | Train PPL: 7.807223255192846e+84
       Val. Loss: 453.642 |  Val. PPL: 1.0328983269312897e+197
       Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      5925
         2       0.99      0.98      0.98      5501
         3       0.90      0.85      0.87       174
         4       0.72      0.93      0.81        57
         5       0.92      0.81      0.86       122
         6       0.82      0.91      0.86        44
         7       0.84      0.85      0.85        62
         8       0.92      0.77      0.84        71
         9       0.66      0.81      0.72        31
        10       0.91      0.77      0.83        13

 accuracy                           0.98     12000
 macro avg       0.86      0.87      0.86     12000
 weighted avg       0.98      0.98      0.98     12000

(2).预测

from cnn4ie.lcnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

6.MULTILAYERRESDYCNN(CNN4IE/DCNN)

(1).训练

from cnn4ie.dcnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 192 | Time: 0m 4s
      Train Loss: 182.916 | Train PPL: 2.7491663642617552e+79
       Val. Loss: 463.782 |  Val. PPL: 2.618555606950152e+201
       Val. report:               precision    recall  f1-score   support

         1       1.00      1.00      1.00      5925
         2       0.99      0.98      0.98      5501
         3       0.86      0.86      0.86       174
         4       0.80      0.93      0.86        57
         5       0.84      0.79      0.81       122
         6       0.83      0.89      0.86        44
         7       0.83      0.87      0.85        62
         8       0.88      0.75      0.81        71
         9       0.92      0.71      0.80        31
        10       1.00      0.85      0.92        13

 accuracy                           0.98     12000
 macro avg       0.89      0.86      0.88     12000
 weighted avg       0.98      0.98      0.98     12000

(2).预测

from cnn4ie.dcnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

7.MULTILAYERSTDATTNCNN(CNN4IE/STAND_ALONE_SELF_ATTENTION_CNN)

(1).训练

from cnn4ie.stand_alone_self_attention_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 195 | Time: 0m 3s
      Train Loss: 247.570 | Train PPL: 3.29768182789317e+107
       Val. Loss: 681.482 |  Val. PPL: 9.20623044303632e+295
       Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      4539
         2       0.99      0.99      0.99      4926
         3       0.95      0.86      0.90       166
         4       0.93      0.96      0.94        52
         5       0.91      0.78      0.84       120
         6       0.93      0.97      0.95        39
         7       0.80      0.89      0.84        54
         8       0.91      0.72      0.80        68
         9       1.00      0.69      0.82        26
        10       1.00      0.90      0.95        10

 accuracy                           0.98     10000
 macro avg       0.94      0.88      0.90     10000
 weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.stand_alone_self_attention_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 19, 'stop': 26, 'word': '全国人大常委会', 'type': 'ORG'}, {'start': 32, 'stop': 36, 'word': ' 今天下午', 'type': 'T'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]

8.MULTILAYERCSATTCNN(CNN4IE/CHANNEL_SPATIAL_ATTENTION_CNN)

(1).训练

from cnn4ie.channel_spatial_attention_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 181 | Time: 0m 3s
      Train Loss: 112.922 | Train PPL: 1.1001029953413096e+49
       Val. Loss: 493.448 |  Val. PPL: 2.002428912702234e+214
       Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      4539
         2       0.98      0.98      0.98      4926
         3       0.89      0.81      0.85       166
         4       0.77      0.88      0.82        52
         5       0.90      0.73      0.81       120
         6       0.84      0.92      0.88        39
         7       0.81      0.89      0.85        54
         8       0.90      0.69      0.78        68
         9       0.85      0.85      0.85        26
        10       0.82      0.90      0.86        10

 accuracy                           0.98     10000
 macro avg       0.88      0.87      0.87     10000
 weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.channel_spatial_attention_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

9.MULTILAYERSACNN(CNN4IE/SELF_ATTENTION_CNN)

(1).训练

from cnn4ie.self_attention_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 198 | Time: 0m 2s
      Train Loss: 241.123 | Train PPL: 5.227354818437855e+104
       Val. Loss: 421.708 |  Val. PPL: 1.3982772880257424e+183
       Val. report:               precision    recall  f1-score   support

         1       0.99      1.00      1.00      4539
         2       0.98      0.98      0.98      4926
         3       0.89      0.87      0.88       166
         4       0.84      0.92      0.88        52
         5       0.76      0.74      0.75       120
         6       0.88      0.95      0.91        39
         7       0.83      0.91      0.87        54
         8       0.80      0.71      0.75        68
         9       1.00      0.54      0.70        26
        10       1.00      0.70      0.82        10

 accuracy                           0.98     10000
 macro avg       0.90      0.83      0.85     10000
 weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.self_attention_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}, {'start': 19, 'stop': 26, 'word': '全国人大常委会', 'type': 'ORG'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]

10.MULTILAYERGROUPMIXEDCNN(CNN4IE/MIXED_DEPTHWISE_CNN)

(1).训练

from cnn4ie.mixed_depthwise_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 200 | Time: 0m 1s
      Train Loss: 310.169 | Train PPL: 5.0653182367925945e+134
       Val. Loss: 451.143 |  Val. PPL: 8.489160946059989e+195
       Val. report:               precision    recall  f1-score   support

         1       1.00      1.00      1.00      4539
         2       0.98      0.99      0.99      4926
         3       0.93      0.83      0.88       166
         4       0.89      0.90      0.90        52
         5       0.89      0.75      0.81       120
         6       0.92      0.92      0.92        39
         7       0.91      0.93      0.92        54
         8       0.86      0.71      0.77        68
         9       1.00      0.58      0.73        26
        10       1.00      0.70      0.82        10

 accuracy                           0.99     10000
 macro avg       0.94      0.83      0.87     10000
 weighted avg       0.98      0.99      0.98     10000

(2).预测

from cnn4ie.mixed_depthwise_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 19, 'stop': 24, 'word': '全国人大常', 'type': 'ORG'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]

11.MULTILAYERMULTICNN(CNN4IE/MULTI_CNN)

(1).训练

from cnn4ie.multi_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 200 | Time: 0m 1s
      Train Loss: 234.673 | Train PPL: 8.267382310706752e+101
       Val. Loss: 444.010 |  Val. PPL: 6.779999895568844e+192
       Val. report:               precision    recall  f1-score   support

         1       1.00      1.00      1.00      4539
         2       0.98      0.99      0.98      4926
         3       0.92      0.84      0.88       166
         4       0.81      0.96      0.88        52
         5       0.83      0.78      0.81       120
         6       0.86      0.95      0.90        39
         7       0.92      0.91      0.92        54
         8       0.80      0.71      0.75        68
         9       1.00      0.69      0.82        26
        10       1.00      0.70      0.82        10

 accuracy                           0.98     10000
 macro avg       0.91      0.85      0.88     10000
 weighted avg       0.98      0.98      0.98     10000

(2).预测

from cnn4ie.multi_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}, {'start': 20, 'stop': 25, 'word': '国人大常委', 'type': 'ORG'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]

12.MULTILAYERMIXEDATTCNN(CNN4IE/MIXED_ATTENTION_CNN)

(1).训练

from cnn4ie.mixed_attention_cnn.train import Train
train = Train()
train.train_model('config.cfg')

Epoch: 250 | Time: 0m 3s
  Train Loss: 107.790 | Train PPL: 6.497928061494806e+46
   Val. Loss: 283.142 |  Val. PPL: 9.269305878179231e+122
   Val. report:               precision    recall  f1-score   support

         1       1.00      1.00      1.00      4539
         2       0.98      0.99      0.99      4926
         3       0.91      0.84      0.87       166
         4       0.86      0.98      0.92        52
         5       0.91      0.78      0.84       120
         6       0.93      0.97      0.95        39
         7       0.88      0.91      0.89        54
         8       0.92      0.72      0.81        68
         9       1.00      0.65      0.79        26
        10       1.00      0.80      0.89        10

 accuracy                           0.99     10000
 macro avg       0.94      0.86      0.89     10000
 weighted avg       0.99      0.99      0.99     10000

(2).预测

from cnn4ie.mixed_attention_cnn.predict import Predict

predict = Predict()
predict.load_model_vocab('config.cfg')
result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。')

print(result)

[{'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]

Evaluate

评估采用的是P、R、F1、PPL等。评估方法可利用scikit-learn中的precision_recall_fscore_support或classification_report。

Install

安装：pip install CNN4IE
下载源码：

git clone https://github.com/jiangnanboy/CNN4IE.git
cd CNN4IE
python setup.py install

通过以上两种方法的任何一种完成安装都可以。如果不想安装，可以下载github源码包

标签：1.00,抽取,predict,Train,实体,train,0.98,CNN,type
来源： https://www.cnblogs.com/little-horse/p/15388012.html