nlp关系抽取如何数据转换 nlp 信息抽取

转载

flybirdfly 2024-03-06 13:50:16

文章标签 nlp关系抽取如何数据转换人工智能机器学习自然语言处理 paddle 文章分类 NLP 人工智能

PaddleNLP之UIE信息抽取小样本进阶(二)[含doccano详解]

Paddlenlp之UIE模型实战实体抽取任务【打车数据、快递单】

Paddlenlp之UIE分类模型【以情感倾向分析新闻分类为例】含智能标注方案）

应用实践：分类模型大集成者[PaddleHub、Finetune、prompt]

Paddlenlp之UIE关系抽取模型【高管关系抽取为例】

0.信息抽取定义以及难点

自动从无结构或半结构的文本中抽取出结构化信息的任务, 主要包含的任务包含了实体识别、关系抽取、事件抽取、情感分析、评论抽取等任务; 同时信息抽取涉及的领域非常广泛，信息抽取的技术需求高，下面具体展现一些示例

nlp关系抽取如何数据转换 nlp 信息抽取_人工智能

nlp关系抽取如何数据转换 nlp 信息抽取_paddle_02

需求跨领域跨任务：领域之间知识迁移难度高，如通用领域知识很难迁移到垂类领域，垂类领域之间的知识很难相互迁移；存在实体、关系、事件等不同的信息抽取任务需求。
定制化程度高：针对实体、关系、事件等不同的信息抽取任务，需要开发不同的模型，开发成本和机器资源消耗都很大。
训练数据无或很少：部分领域数据稀缺，难以获取，且领域专业性使得数据标注门槛高。

针对以上难题，中科院软件所和百度共同提出了一个大一统诸多任务的通用信息抽取技术 UIE（Unified Structure Generation for Universal Information Extraction），发表在ACL‘22。UIE在实体、关系、事件和情感等4个信息抽取任务、13个数据集的全监督、低资源和少样本设置下，UIE均取得了SOTA性能。

PaddleNLP结合文心大模型中的知识增强NLP大模型ERNIE 3.0，发挥了UIE在中文任务上的强大潜力，开源了首个面向通用信息抽取的产业级技术方案，不需要标注数据（或仅需少量标注数据），即可快速完成各类信息抽取任务。

**链接指路：https://github.com/PaddlePaddle/PaddleNLP/tree/develop/model_zoo/uie ）

1.使用PaddleNLP Taskflow工具解决信息抽取难点（中文版本）

1.1安装PaddleNLP

! pip install --upgrade paddlenlp
! pip show paddlenlp

1.1 使用Taskflow UIE任务看看效果

人力资源入职证明信息抽取

from paddlenlp import Taskflow 
schema = ['姓名', '毕业院校', '职位', '月收入', '身体状况']
ie = Taskflow('information_extraction', schema=schema)

[2022-06-02 16:49:41,477] [    INFO] - Downloading model_state.pdparams from https://bj.bcebos.com/paddlenlp/taskflow/information_extraction/uie_base_v0.1/model_state.pdparams
100%|██████████| 450M/450M [00:06<00:00, 73.2MB/s] 
[2022-06-02 16:49:49,053] [    INFO] - Downloading model_config.json from https://bj.bcebos.com/paddlenlp/taskflow/information_extraction/uie_base/model_config.json
100%|██████████| 377/377 [00:00<00:00, 329kB/s]
[2022-06-02 16:49:49,089] [    INFO] - We are using <class 'paddlenlp.transformers.ernie.tokenizer.ErnieTokenizer'> to load 'ernie-3.0-base-zh'.
[2022-06-02 16:49:49,091] [    INFO] - Downloading https://bj.bcebos.com/paddlenlp/models/transformers/ernie_3.0/ernie_3.0_base_zh_vocab.txt and saved to /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh
[2022-06-02 16:49:49,093] [    INFO] - Downloading ernie_3.0_base_zh_vocab.txt from https://bj.bcebos.com/paddlenlp/models/transformers/ernie_3.0/ernie_3.0_base_zh_vocab.txt
100%|██████████| 182k/182k [00:00<00:00, 20.6MB/s]
W0602 16:49:49.182585   197 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.2, Runtime API Version: 10.1
W0602 16:49:49.186472   197 device_context.cc:465] device: 0, cuDNN Version: 7.6.
[2022-06-02 16:49:54,484] [    INFO] - Converting to the inference model cost a little time.
[2022-06-02 16:50:05,041] [    INFO] - The inference model save in the path:/home/aistudio/.paddlenlp/taskflow/information_extraction/uie-base/static/inference

schema = ['姓名', '毕业院校', '职位', '月收入', '身体状况']
ie.set_schema(schema)
ie('兹证明凌霄为本单位职工，已连续在我单位工作5 年。学历为嘉利顿大学毕业，目前在我单位担任总经理助理  职位。近一年内该员工在我单位平均月收入（税后）为  12000 元。该职工身体状况良好。本单位仅此承诺上述表述是正确的，真实的。')

[{'姓名': [{'text': '凌霄',
    'start': 3,
    'end': 5,
    'probability': 0.9042383385504706}],
  '毕业院校': [{'text': '嘉利顿大学',
    'start': 28,
    'end': 33,
    'probability': 0.9927952662605009}],
  '职位': [{'text': '总经理助理',
    'start': 44,
    'end': 49,
    'probability': 0.9922470268350594}],
  '月收入': [{'text': '12000 元',
    'start': 77,
    'end': 84,
    'probability': 0.9788556518998917}],
  '身体状况': [{'text': '良好',
    'start': 92,
    'end': 94,
    'probability': 0.9939678710475306}]}]

# Jupyter Notebook默认做了格式化输出，如果使用其他代码编辑器，可以使用Python原生包pprint进行格式化输出

from pprint import pprint
pprint(ie('兹证明凌霄为本单位职工，已连续在我单位工作5 年。学历为嘉利顿大学毕业，目前在我单位担任总经理助理  职位。近一年内该员工在我单位平均月收入（税后）为  12000 元。该职工身体状况良好。本单位仅此承诺上述表述是正确的，真实的。'))

[{'姓名': [{'end': 5,
          'probability': 0.9042383385504706,
          'start': 3,
          'text': '凌霄'}],
  '月收入': [{'end': 84,
           'probability': 0.9788556518998917,
           'start': 77,
           'text': '12000 元'}],
  '毕业院校': [{'end': 33,
            'probability': 0.9927952662605009,
            'start': 28,
            'text': '嘉利顿大学'}],
  '职位': [{'end': 49,
          'probability': 0.9922470268350594,
          'start': 44,
          'text': '总经理助理'}],
  '身体状况': [{'end': 94,
            'probability': 0.9939678710475306,
            'start': 92,
            'text': '良好'}]}]

医疗病理分析

schema = ['肿瘤部位', '肿瘤大小']
ie.set_schema(schema)
ie('胃印戒细胞癌，肿瘤主要位于胃窦体部，大小6*2cm，癌组织侵及胃壁浆膜层，并侵犯血管和神经。')

[{'肿瘤部位': [{'text': '胃窦体部',
    'start': 13,
    'end': 17,
    'probability': 0.9601818899487213}],
  '肿瘤大小': [{'text': '6*2cm',
    'start': 20,
    'end': 25,
    'probability': 0.9670914301489972}]}]

1.2使用Taskflow UIE进行实体抽取、关系抽取、事件抽取、情感分类、观点抽取

# 实体抽取
schema = ['时间', '赛手', '赛事名称']
ie.set_schema(schema)
ie('2月8日上午北京冬奥会自由式滑雪女子大跳台决赛中中国选手谷爱凌以188.25分获得金牌！')

[{'时间': [{'text': '2月8日上午',
    'start': 0,
    'end': 6,
    'probability': 0.9857379716035553}],
  '赛手': [{'text': '中国选手谷爱凌',
    'start': 24,
    'end': 31,
    'probability': 0.7232891682586384}],
  '赛事名称': [{'text': '北京冬奥会自由式滑雪女子大跳台决赛',
    'start': 6,
    'end': 23,
    'probability': 0.8503080086948529}]}]

# 关系抽取
schema = {'歌曲名称': ['歌手', '所属专辑']}  
ie.set_schema(schema)
ie('《告别了》是孙耀威在专辑爱的故事里面的歌曲')

[{'歌曲名称': [{'text': '告别了',
    'start': 1,
    'end': 4,
    'probability': 0.629614912348881,
    'relations': {'歌手': [{'text': '孙耀威',
       'start': 6,
       'end': 9,
       'probability': 0.9988381005599081}],
     '所属专辑': [{'text': '爱的故事',
       'start': 12,
       'end': 16,
       'probability': 0.9968462078543183}]}},
   {'text': '爱的故事',
    'start': 12,
    'end': 16,
    'probability': 0.28168707817316374,
    'relations': {'歌手': [{'text': '孙耀威',
       'start': 6,
       'end': 9,
       'probability': 0.9951415104192272}]}}]}]

# 事件抽取
schema = {'地震触发词': ['地震强度', '时间', '震中位置', '震源深度']}  # 事件需要通过xxx触发词来选择触发词
ie.set_schema(schema)
ie('中国地震台网正式测定：5月16日06时08分在云南临沧市凤庆县(北纬24.34度，东经99.98度)发生3.5级地震，震源深度10千米。')

[{'地震触发词': [{'text': '地震',
    'start': 56,
    'end': 58,
    'probability': 0.9977425555988333,
    'relations': {'地震强度': [{'text': '3.5级',
       'start': 52,
       'end': 56,
       'probability': 0.998080217831891}],
     '时间': [{'text': '5月16日06时08分',
       'start': 11,
       'end': 22,
       'probability': 0.9853299772936026}],
     '震中位置': [{'text': '云南临沧市凤庆县(北纬24.34度，东经99.98度)',
       'start': 23,
       'end': 50,
       'probability': 0.7874014521275967}],
     '震源深度': [{'text': '10千米',
       'start': 63,
       'end': 67,
       'probability': 0.9937974422968665}]}}]}]

# 情感倾向分类
schema = '情感倾向[正向，负向]' # 分类任务需要[]来设置分类的label
ie.set_schema(schema) 
ie('这个产品用起来真的很流畅，我非常喜欢')

[{'情感倾向[正向，负向]': [{'text': '正向', 'probability': 0.9990024058203417}]}]

# 评价抽取
schema = {'评价维度': ['观点词', '情感倾向[正向，负向]']}  # 评价抽取的schema是固定的，后续直接按照这个schema进行观点抽取
ie.set_schema(schema) # Reset schema
ie('地址不错，服务一般，设施陈旧')

[{'评价维度': [{'text': '地址',
    'start': 0,
    'end': 2,
    'probability': 0.9888139270606509,
    'relations': {'观点词': [{'text': '不错',
       'start': 2,
       'end': 4,
       'probability': 0.9927845886615216}],
     '情感倾向[正向，负向]': [{'text': '正向', 'probability': 0.998228967796706}]}},
   {'text': '设施',
    'start': 10,
    'end': 12,
    'probability': 0.9588298547520608,
    'relations': {'观点词': [{'text': '陈旧',
       'start': 12,
       'end': 14,
       'probability': 0.928675281256794}],
     '情感倾向[正向，负向]': [{'text': '负向', 'probability': 0.9949388606013692}]}},
   {'text': '服务',
    'start': 5,
    'end': 7,
    'probability': 0.9592857070501211,
    'relations': {'观点词': [{'text': '一般',
       'start': 7,
       'end': 9,
       'probability': 0.9949359182521675}],
     '情感倾向[正向，负向]': [{'text': '负向', 'probability': 0.9952498258302498}]}}]}]

# 跨任务跨领域抽取
schema = ['寺庙', {'丈夫': '妻子'}]  # 抽取的任务中包含了实体抽取和关系抽取
ie.set_schema(schema)
ie('李治即位后，让身在感业寺的武则天续起头发，重新纳入后宫。')

[{'寺庙': [{'text': '感业寺',
    'start': 9,
    'end': 12,
    'probability': 0.9888581774497425}],
  '丈夫': [{'text': '李治',
    'start': 0,
    'end': 2,
    'probability': 0.989690572797457,
    'relations': {'妻子': [{'text': '武则天',
       'start': 13,
       'end': 16,
       'probability': 0.9987625986790256}]}}]}]

1.3使用Taskflow UIE一些技巧

schema设置可以多尝试，有惊喜！

schema = ['才人'] #提取词不能太奇怪！
ie.set_schema(schema)
ie('李治即位后，让身在感业寺的武则天续起头发，重新纳入后宫。')

[{}]

schema = ['妃子']
ie.set_schema(schema)
ie('李治即位后，让身在感业寺的武则天续起头发，重新纳入后宫。')

[{'妃子': [{'text': '武则天',
    'start': 13,
    'end': 16,
    'probability': 0.9976319401117237}]}]

调整batch_size提升预测效率

from paddlenlp import Taskflow
schema = ['费用']
ie.set_schema(schema)
ie = Taskflow('information_extraction', schema=schema, batch_size=2) #资源不充裕情况，batch_size设置小点，利用率增加。。
ie(['二十号21点49分打车回家46块钱', '8月3号往返机场交通费110元', '2019年10月17日22点18分回家打车46元', '三月三0号23点10分加班打车21元'])

[2022-06-02 16:50:08,273] [    INFO] - We are using <class 'paddlenlp.transformers.ernie.tokenizer.ErnieTokenizer'> to load 'ernie-3.0-base-zh'.
[2022-06-02 16:50:08,275] [    INFO] - Already cached /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh/ernie_3.0_base_zh_vocab.txt





[{'费用': [{'text': '46块钱',
    'start': 13,
    'end': 17,
    'probability': 0.9781786110574338}]},
 {'费用': [{'text': '110元',
    'start': 11,
    'end': 15,
    'probability': 0.9504088995163151}]},
 {'费用': [{'text': '46元',
    'start': 21,
    'end': 24,
    'probability': 0.9753814247531167}]},
 {'费用': [{'text': '21元',
    'start': 15,
    'end': 18,
    'probability': 0.9761294626311425}]}]

使用UIE-Tiny模型来加快模型预测速度

from paddlenlp import Taskflow
schema = ['费用']
ie.set_schema(schema)
ie = Taskflow('information_extraction', schema=schema, batch_size=2, model='uie-tiny') #
ie(['二十号21点49分打车回家46块钱', '8月3号往返机场交通费110元', '2019年10月17日22点18分回家打车46元', '三月三0号23点10分加班打车21元'])

[2022-06-02 16:50:09,568] [    INFO] - Downloading model_state.pdparams from https://bj.bcebos.com/paddlenlp/taskflow/information_extraction/uie_tiny_v0.1/model_state.pdparams
100%|██████████| 288M/288M [00:04<00:00, 64.1MB/s] 
[2022-06-02 16:50:15,051] [    INFO] - Downloading model_config.json from https://bj.bcebos.com/paddlenlp/taskflow/information_extraction/uie_tiny/model_config.json
100%|██████████| 404/404 [00:00<00:00, 189kB/s]
[2022-06-02 16:50:15,100] [    INFO] - We are using <class 'paddlenlp.transformers.ernie.tokenizer.ErnieTokenizer'> to load 'ernie-3.0-medium-zh'.
[2022-06-02 16:50:15,102] [    INFO] - Downloading https://bj.bcebos.com/paddlenlp/models/transformers/ernie_3.0/ernie_3.0_medium_zh_vocab.txt and saved to /home/aistudio/.paddlenlp/models/ernie-3.0-medium-zh
[2022-06-02 16:50:15,104] [    INFO] - Downloading ernie_3.0_medium_zh_vocab.txt from https://bj.bcebos.com/paddlenlp/models/transformers/ernie_3.0/ernie_3.0_medium_zh_vocab.txt
100%|██████████| 182k/182k [00:00<00:00, 25.0MB/s]
[2022-06-02 16:50:16,397] [    INFO] - Converting to the inference model cost a little time.
[2022-06-02 16:50:23,128] [    INFO] - The inference model save in the path:/home/aistudio/.paddlenlp/taskflow/information_extraction/uie-tiny/static/inference





[{'费用': [{'text': '46块钱',
    'start': 13,
    'end': 17,
    'probability': 0.8945340489542026}]},
 {'费用': [{'text': '110元',
    'start': 11,
    'end': 15,
    'probability': 0.9757676375014448}]},
 {'费用': [{'text': '46元',
    'start': 21,
    'end': 24,
    'probability': 0.860397941604333}]},
 {'费用': [{'text': '21元',
    'start': 15,
    'end': 18,
    'probability': 0.8595131018474689}]}]

2.小样本提升UIE效果

Taskflow中的UIE基线版本我们是通过大量的有标签样本进行训练，但是UIE抽取的效果面对部分子领域的效果也不是令人满意，UIE可以通过小样本就可以快速提升效果。

为什么UIE可以通过小样本来提升效果呢？UIE的建模方式主要是通过 Prompt 方式来建模， Prompt 在小样本上进行微调效果非常有效，下面我们通过一个具体的case

来展示UIE微调的效果。

nlp关系抽取如何数据转换 nlp 信息抽取_机器学习_03

2.1语音报销工单信息抽取

背景
在某公司内部可以通过语音输入来报销打车费用，通过语音ASR模型可以将语音识别为文字，同时对文字信息进行信息抽取，抽取的信息主要是包括了4个方面，时间、出发地、目的地、费用，通过对文字4个方面的信息进行抽取就可以完成一个报销工单的填写。

nlp关系抽取如何数据转换 nlp 信息抽取_自然语言处理_04

挑战
目前Taskflow UIE任务对于这种非常垂类的任务效果没有完全达到工业使用水平，因此需要一定的微调手段来完成UIE模型的微调来提升模型的效果，下面是一些case的展现

ie.set_schema(['时间', '出发地', '目的地', '费用'])
ie('10月16日高铁从杭州到上海南站车次d5414共48元')  # 无法准确抽取出发地、目的地

[{'时间': [{'text': '10月16日',
    'start': 0,
    'end': 6,
    'probability': 0.9552445817793149}],
  '出发地': [{'text': '杭州',
    'start': 9,
    'end': 11,
    'probability': 0.5713024802221334}],
  '费用': [{'text': '48元',
    'start': 24,
    'end': 27,
    'probability': 0.8932524634666485}]}]

2.2标注数据

我们推荐使用数据标注平台doccano 进行数据标注，本案例也打通了从标注到训练的通道，即doccano导出数据后可通过doccano.py脚本轻松将数据转换为输入模型时需要的形式，实现无缝衔接。为达到这个目的，您需要按以下标注规则在doccano平台上标注数据：

nlp关系抽取如何数据转换 nlp 信息抽取_自然语言处理_05

Step 1. 本地安装doccano（请勿在AI Studio内部运行，本地测试环境python=3.8）

$ pip install doccano

Step 2. 初始化数据库和账户（用户名和密码可替换为自定义值）

$ doccano init

$ doccano createuser --username my_admin_name --password my_password

Step 3. 启动doccano

在一个窗口启动doccano的WebServer，保持窗口

$ doccano webserver --port 8000

在另一个窗口启动doccano的任务队列

$ doccano task

Step 4. 运行doccano来标注实体和关系

打开浏览器（推荐Chrome），在地址栏中输入http://127.0.0.1:8000/后回车即得以下界面。

nlp关系抽取如何数据转换 nlp 信息抽取_paddle_06

登陆账户。点击右上角的LOGIN，输入Step 2中设置的用户名和密码登陆。
创建项目。点击左上角的CREATE，跳转至以下界面。

勾选序列标注（Sequence Labeling）
填写项目名称（Project name）等必要信息
勾选允许实体重叠（Allow overlapping entity）、使用关系标注（Use relation labeling）
创建完成后，项目首页视频提供了从数据导入到导出的七个步骤的详细说明。

nlp关系抽取如何数据转换 nlp 信息抽取_nlp关系抽取如何数据转换_07

设置标签。在Labels一栏点击Actions，Create Label手动设置或者Import Labels从文件导入。

最上边Span表示实体标签，Relation表示关系标签，需要分别设置。

导入数据。在Datasets一栏点击Actions、Import Dataset从文件导入文本数据。

根据文件格式（File format）给出的示例，选择适合的格式导入自定义数据文件。
导入成功后即跳转至数据列表。

标注数据。点击每条数据最右边的Annotate按钮开始标记。标记页面右侧的标签类型（Label Types）开关可在实体标签和关系标签之间切换。

实体标注：直接用鼠标选取文本即可标注实体。
关系标注：首先点击待标注的关系标签，接着依次点击相应的头尾实体可完成关系标注。

导出数据。在Datasets一栏点击Actions、Export Dataset导出已标注的数据。

将标注数据转化成UIE训练所需数据

将doccano平台的标注数据保存在./data/目录。对于语音报销工单信息抽取的场景，可以直接下载标注好的数据。

各个任务标注文档
https://github.com/PaddlePaddle/PaddleNLP/blob/develop/model_zoo/uie/doccano.md

! wget https://paddlenlp.bj.bcebos.com/datasets/erniekit/speech-cmd-analysis/audio-expense-account.jsonl
! mv audio-expense-account.jsonl ./data/

--2022-06-02 16:50:24--  https://paddlenlp.bj.bcebos.com/datasets/erniekit/speech-cmd-analysis/audio-expense-account.jsonl
Resolving paddlenlp.bj.bcebos.com (paddlenlp.bj.bcebos.com)... 100.67.200.6
Connecting to paddlenlp.bj.bcebos.com (paddlenlp.bj.bcebos.com)|100.67.200.6|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 16241 (16K) [application/octet-stream]
Saving to: ‘audio-expense-account.jsonl’

audio-expense-accou 100%[===================>]  15.86K  --.-KB/s    in 0s      

2022-06-02 16:50:24 (285 MB/s) - ‘audio-expense-account.jsonl’ saved [16241/16241]

运行以下代码将标注数据转换为UIE训练所需要的数据

splits 0.2 0.8 0.0 训练集测试集验证集
可配置参数说明

doccano_file: 从doccano导出的数据标注文件。
save_dir: 训练数据的保存目录，默认存储在data目录下。
negative_ratio: 最大负例比例，该参数只对抽取类型任务有效，适当构造负例可提升模型效果。负例数量和实际的标签数量有关，最大负例数量 = negative_ratio * 正例数量。该参数只对训练集有效，默认为5。为了保证评估指标的准确性，验证集和测试集默认构造全负例。
splits: 划分数据集时训练集、验证集所占的比例。默认为[0.8, 0.1, 0.1]表示按照8:1:1的比例将数据划分为训练集、验证集和测试集。
task_type: 选择任务类型，可选有抽取和分类两种类型的任务。
options: 指定分类任务的类别标签，该参数只对分类类型任务有效。
prompt_prefix: 声明分类任务的prompt前缀信息，该参数只对分类类型任务有效。
is_shuffle: 是否对数据集进行随机打散，默认为True。
seed: 随机种子，默认为1000.

! python preprocess.py --input_file ./data/audio-expense-account.jsonl --save_dir ./data/ --negative_ratio 5 --splits 0.2 0.8 0.0 --seed 1000

Converting doccano data...
100%|████████████████████████████████████████| 10/10 [00:00<00:00, 31091.95it/s]
Adding negative samples for first stage prompt...
100%|███████████████████████████████████████| 10/10 [00:00<00:00, 137518.16it/s]
Converting doccano data...
100%|████████████████████████████████████████| 40/40 [00:00<00:00, 61658.27it/s]
Adding negative samples for first stage prompt...
100%|███████████████████████████████████████| 40/40 [00:00<00:00, 127292.99it/s]
Converting doccano data...
0it [00:00, ?it/s]
Adding negative samples for first stage prompt...
0it [00:00, ?it/s]

Save 40 examples to ./data/train.txt.

Save 129 examples to ./data/dev.txt.

Save 0 examples to ./data/test.txt.
Finished! It takes 0.01 seconds

训练UIE模型

使用标注数据进行小样本训练，模型参数保存在./checkpoint/目录。

tips: 推荐使用GPU环境，否则可能会内存溢出。CPU环境下，可以修改model为uie-tiny，适当调下batch_size。

增加准确率的话：–num_epochs 设置大点多训练训练

可配置参数说明：

train_path: 训练集文件路径。
dev_path: 验证集文件路径。
save_dir: 模型存储路径，默认为./checkpoint。
learning_rate: 学习率，默认为1e-5。
batch_size: 批处理大小，请结合显存情况进行调整，若出现显存不足，请适当调低这一参数，默认为16。
max_seq_len: 文本最大切分长度，输入超过最大长度时会对输入文本进行自动切分，默认为512。
num_epochs: 训练轮数，默认为100。
model: 选择模型，程序会基于选择的模型进行模型微调，可选有uie-base和uie-tiny，默认为uie-base。
seed: 随机种子，默认为1000.
logging_steps: 日志打印的间隔steps数，默认10。
valid_steps: evaluate的间隔steps数，默认100。
device: 选用什么设备进行训练，可选cpu或gpu。

! python finetune.py --train_path ./data/train.txt --dev_path ./data/dev.txt --save_dir ./checkpoint --model uie-tiny --learning_rate 1e-5 --batch_size 2 --max_seq_len 512 --num_epochs 50 --seed 1000 --logging_steps 10 --valid_steps 10

[2022-06-02 16:50:29,694] [    INFO] - Already cached /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh/ernie_3.0_base_zh_vocab.txt
[2022-06-02 16:50:29,721] [    INFO] - We are using <class 'paddlenlp.transformers.ernie.modeling.ErnieModel'> to load 'ernie-3.0-base-zh'.
[2022-06-02 16:50:29,722] [    INFO] - Downloading https://bj.bcebos.com/paddlenlp/models/transformers/ernie_3.0/ernie_3.0_base_zh.pdparams and saved to /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh
[2022-06-02 16:50:29,722] [    INFO] - Downloading ernie_3.0_base_zh.pdparams from https://bj.bcebos.com/paddlenlp/models/transformers/ernie_3.0/ernie_3.0_base_zh.pdparams
100%|████████████████████████████████████████| 452M/452M [00:06<00:00, 75.2MB/s]
W0602 16:50:36.096419   501 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.2, Runtime API Version: 10.1
W0602 16:50:36.101285   501 device_context.cc:465] device: 0, cuDNN Version: 7.6.
[2022-06-02 16:50:40,289] [    INFO] - Weights from pretrained model not used in ErnieModel: ['cls.predictions.transform.weight', 'cls.predictions.layer_norm.weight', 'cls.predictions.transform.bias', 'cls.predictions.layer_norm.bias', 'cls.predictions.decoder_bias']
Init from: uie-tiny/model_state.pdparams
global step 10, epoch: 1, loss: 0.00316, speed: 10.32 step/s
Evaluation precision: 0.50781, recall: 0.50388, F1: 0.50584
best F1 performence has been updated: 0.00000 --> 0.50584
global step 20, epoch: 1, loss: 0.00276, speed: 13.50 step/s
Evaluation precision: 0.57576, recall: 0.58915, F1: 0.58238
best F1 performence has been updated: 0.50584 --> 0.58238
global step 30, epoch: 2, loss: 0.00231, speed: 12.67 step/s
Evaluation precision: 0.63492, recall: 0.62016, F1: 0.62745
best F1 performence has been updated: 0.58238 --> 0.62745
global step 40, epoch: 2, loss: 0.00219, speed: 13.15 step/s
Evaluation precision: 0.67521, recall: 0.61240, F1: 0.64228
best F1 performence has been updated: 0.62745 --> 0.64228
global step 50, epoch: 3, loss: 0.00201, speed: 13.03 step/s
Evaluation precision: 0.77193, recall: 0.68217, F1: 0.72428
best F1 performence has been updated: 0.64228 --> 0.72428
global step 60, epoch: 3, loss: 0.00179, speed: 13.28 step/s
Evaluation precision: 0.77686, recall: 0.72868, F1: 0.75200
best F1 performence has been updated: 0.72428 --> 0.75200
global step 70, epoch: 4, loss: 0.00166, speed: 13.15 step/s
Evaluation precision: 0.81967, recall: 0.77519, F1: 0.79681
best F1 performence has been updated: 0.75200 --> 0.79681
global step 80, epoch: 4, loss: 0.00150, speed: 13.50 step/s
Evaluation precision: 0.83607, recall: 0.79070, F1: 0.81275
best F1 performence has been updated: 0.79681 --> 0.81275
global step 90, epoch: 5, loss: 0.00140, speed: 12.64 step/s
Evaluation precision: 0.86066, recall: 0.81395, F1: 0.83665
best F1 performence has been updated: 0.81275 --> 0.83665
global step 100, epoch: 5, loss: 0.00128, speed: 13.48 step/s
Evaluation precision: 0.88235, recall: 0.81395, F1: 0.84677
best F1 performence has been updated: 0.83665 --> 0.84677
global step 110, epoch: 6, loss: 0.00119, speed: 12.99 step/s
Evaluation precision: 0.89076, recall: 0.82171, F1: 0.85484
best F1 performence has been updated: 0.84677 --> 0.85484
global step 120, epoch: 6, loss: 0.00110, speed: 13.44 step/s
Evaluation precision: 0.88333, recall: 0.82171, F1: 0.85141
global step 130, epoch: 7, loss: 0.00104, speed: 13.15 step/s
Evaluation precision: 0.90909, recall: 0.85271, F1: 0.88000
best F1 performence has been updated: 0.85484 --> 0.88000
global step 140, epoch: 7, loss: 0.00098, speed: 13.39 step/s
Evaluation precision: 0.90083, recall: 0.84496, F1: 0.87200
global step 150, epoch: 8, loss: 0.00092, speed: 13.05 step/s
Evaluation precision: 0.90244, recall: 0.86047, F1: 0.88095
best F1 performence has been updated: 0.88000 --> 0.88095
global step 160, epoch: 8, loss: 0.00087, speed: 13.36 step/s
Evaluation precision: 0.90323, recall: 0.86822, F1: 0.88538
best F1 performence has been updated: 0.88095 --> 0.88538
global step 170, epoch: 9, loss: 0.00082, speed: 13.05 step/s
Evaluation precision: 0.91129, recall: 0.87597, F1: 0.89328
best F1 performence has been updated: 0.88538 --> 0.89328
global step 180, epoch: 9, loss: 0.00078, speed: 13.47 step/s
Evaluation precision: 0.90400, recall: 0.87597, F1: 0.88976
global step 190, epoch: 10, loss: 0.00074, speed: 12.99 step/s
Evaluation precision: 0.92063, recall: 0.89922, F1: 0.90980
best F1 performence has been updated: 0.89328 --> 0.90980
global step 200, epoch: 10, loss: 0.00070, speed: 13.47 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
best F1 performence has been updated: 0.90980 --> 0.91765
global step 210, epoch: 11, loss: 0.00067, speed: 12.82 step/s
Evaluation precision: 0.92063, recall: 0.89922, F1: 0.90980
global step 220, epoch: 11, loss: 0.00065, speed: 13.48 step/s
Evaluation precision: 0.92063, recall: 0.89922, F1: 0.90980
global step 230, epoch: 12, loss: 0.00062, speed: 13.17 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 240, epoch: 12, loss: 0.00059, speed: 13.50 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 250, epoch: 13, loss: 0.00057, speed: 13.13 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 260, epoch: 13, loss: 0.00055, speed: 13.43 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 270, epoch: 14, loss: 0.00053, speed: 13.20 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 280, epoch: 14, loss: 0.00051, speed: 13.51 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 290, epoch: 15, loss: 0.00050, speed: 13.25 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 300, epoch: 15, loss: 0.00048, speed: 13.44 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 310, epoch: 16, loss: 0.00046, speed: 13.16 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 320, epoch: 16, loss: 0.00045, speed: 13.57 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 330, epoch: 17, loss: 0.00044, speed: 13.13 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
best F1 performence has been updated: 0.91765 --> 0.92126
global step 340, epoch: 17, loss: 0.00042, speed: 12.89 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 350, epoch: 18, loss: 0.00041, speed: 13.17 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 360, epoch: 18, loss: 0.00040, speed: 13.55 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 370, epoch: 19, loss: 0.00039, speed: 13.11 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 380, epoch: 19, loss: 0.00038, speed: 13.45 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 390, epoch: 20, loss: 0.00037, speed: 13.19 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 400, epoch: 20, loss: 0.00036, speed: 13.36 step/s
Evaluation precision: 0.93548, recall: 0.89922, F1: 0.91700
global step 410, epoch: 21, loss: 0.00035, speed: 13.03 step/s
Evaluation precision: 0.94309, recall: 0.89922, F1: 0.92063
global step 420, epoch: 21, loss: 0.00035, speed: 13.34 step/s
Evaluation precision: 0.94309, recall: 0.89922, F1: 0.92063
global step 430, epoch: 22, loss: 0.00034, speed: 13.00 step/s
Evaluation precision: 0.94309, recall: 0.89922, F1: 0.92063
global step 440, epoch: 22, loss: 0.00033, speed: 13.27 step/s
Evaluation precision: 0.94309, recall: 0.89922, F1: 0.92063
global step 450, epoch: 23, loss: 0.00033, speed: 13.00 step/s
Evaluation precision: 0.94215, recall: 0.88372, F1: 0.91200
global step 460, epoch: 23, loss: 0.00032, speed: 13.27 step/s
Evaluation precision: 0.94872, recall: 0.86047, F1: 0.90244
global step 470, epoch: 24, loss: 0.00031, speed: 12.94 step/s
Evaluation precision: 0.93333, recall: 0.86822, F1: 0.89960
global step 480, epoch: 24, loss: 0.00031, speed: 13.27 step/s
Evaluation precision: 0.92562, recall: 0.86822, F1: 0.89600
global step 490, epoch: 25, loss: 0.00030, speed: 12.89 step/s
Evaluation precision: 0.92562, recall: 0.86822, F1: 0.89600
global step 500, epoch: 25, loss: 0.00030, speed: 13.37 step/s
Evaluation precision: 0.93388, recall: 0.87597, F1: 0.90400
global step 510, epoch: 26, loss: 0.00029, speed: 13.14 step/s
Evaluation precision: 0.92742, recall: 0.89147, F1: 0.90909
global step 520, epoch: 26, loss: 0.00029, speed: 13.28 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 530, epoch: 27, loss: 0.00028, speed: 12.87 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 540, epoch: 27, loss: 0.00027, speed: 13.27 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 550, epoch: 28, loss: 0.00027, speed: 12.99 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 560, epoch: 28, loss: 0.00027, speed: 13.30 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 570, epoch: 29, loss: 0.00026, speed: 12.99 step/s
Evaluation precision: 0.92800, recall: 0.89922, F1: 0.91339
global step 580, epoch: 29, loss: 0.00026, speed: 13.30 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 590, epoch: 30, loss: 0.00025, speed: 12.94 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 600, epoch: 30, loss: 0.00025, speed: 13.35 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 610, epoch: 31, loss: 0.00024, speed: 12.94 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 620, epoch: 31, loss: 0.00024, speed: 13.32 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 630, epoch: 32, loss: 0.00024, speed: 12.41 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 640, epoch: 32, loss: 0.00023, speed: 13.13 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 650, epoch: 33, loss: 0.00023, speed: 13.10 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 660, epoch: 33, loss: 0.00023, speed: 13.43 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 670, epoch: 34, loss: 0.00022, speed: 13.01 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 680, epoch: 34, loss: 0.00022, speed: 13.38 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 690, epoch: 35, loss: 0.00022, speed: 13.08 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 700, epoch: 35, loss: 0.00021, speed: 13.43 step/s
Evaluation precision: 0.93496, recall: 0.89147, F1: 0.91270
global step 710, epoch: 36, loss: 0.00021, speed: 13.17 step/s
Evaluation precision: 0.93496, recall: 0.89147, F1: 0.91270
global step 720, epoch: 36, loss: 0.00021, speed: 13.42 step/s
Evaluation precision: 0.93496, recall: 0.89147, F1: 0.91270
global step 730, epoch: 37, loss: 0.00020, speed: 13.02 step/s
Evaluation precision: 0.93548, recall: 0.89922, F1: 0.91700
global step 740, epoch: 37, loss: 0.00020, speed: 13.35 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 750, epoch: 38, loss: 0.00020, speed: 13.02 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 760, epoch: 38, loss: 0.00020, speed: 13.40 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 770, epoch: 39, loss: 0.00019, speed: 12.95 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 780, epoch: 39, loss: 0.00019, speed: 13.26 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 790, epoch: 40, loss: 0.00019, speed: 13.01 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 800, epoch: 40, loss: 0.00019, speed: 13.23 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 810, epoch: 41, loss: 0.00018, speed: 13.09 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 820, epoch: 41, loss: 0.00018, speed: 13.49 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 830, epoch: 42, loss: 0.00018, speed: 13.09 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 840, epoch: 42, loss: 0.00018, speed: 13.36 step/s
Evaluation precision: 0.92857, recall: 0.90698, F1: 0.91765
global step 850, epoch: 43, loss: 0.00018, speed: 12.96 step/s
Evaluation precision: 0.93651, recall: 0.91473, F1: 0.92549
best F1 performence has been updated: 0.92126 --> 0.92549
global step 860, epoch: 43, loss: 0.00017, speed: 12.87 step/s
Evaluation precision: 0.93651, recall: 0.91473, F1: 0.92549
global step 870, epoch: 44, loss: 0.00017, speed: 13.02 step/s
Evaluation precision: 0.93651, recall: 0.91473, F1: 0.92549
global step 880, epoch: 44, loss: 0.00017, speed: 13.47 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
best F1 performence has been updated: 0.92549 --> 0.92969
global step 890, epoch: 45, loss: 0.00017, speed: 13.03 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 900, epoch: 45, loss: 0.00017, speed: 13.46 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 910, epoch: 46, loss: 0.00017, speed: 13.10 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 920, epoch: 46, loss: 0.00016, speed: 13.33 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 930, epoch: 47, loss: 0.00016, speed: 13.03 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 940, epoch: 47, loss: 0.00016, speed: 13.33 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 950, epoch: 48, loss: 0.00016, speed: 12.98 step/s
Evaluation precision: 0.93701, recall: 0.92248, F1: 0.92969
global step 960, epoch: 48, loss: 0.00016, speed: 13.32 step/s
Evaluation precision: 0.93651, recall: 0.91473, F1: 0.92549
global step 970, epoch: 49, loss: 0.00016, speed: 12.89 step/s
Evaluation precision: 0.93651, recall: 0.91473, F1: 0.92549
global step 980, epoch: 49, loss: 0.00015, speed: 13.46 step/s
Evaluation precision: 0.93600, recall: 0.90698, F1: 0.92126
global step 990, epoch: 50, loss: 0.00015, speed: 13.09 step/s
Evaluation precision: 0.94400, recall: 0.91473, F1: 0.92913
global step 1000, epoch: 50, loss: 0.00015, speed: 13.44 step/s
Evaluation precision: 0.94400, recall: 0.91473, F1: 0.92913

–max_seq_len 512 本文长度

#! python finetune.py --train_path ./data/train.txt --dev_path ./data/dev.txt --save_dir ./checkpoint --model uie-base --learning_rate 1e-5 --batch_size 16 --max_seq_len 512 --num_epochs 50 --seed 1000 --logging_steps 10 --valid_steps 10

[2022-06-02 16:58:58,871] [    INFO] - Already cached /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh/ernie_3.0_base_zh_vocab.txt
[2022-06-02 16:58:58,897] [    INFO] - We are using <class 'paddlenlp.transformers.ernie.modeling.ErnieModel'> to load 'ernie-3.0-base-zh'.
[2022-06-02 16:58:58,897] [    INFO] - Already cached /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh/ernie_3.0_base_zh.pdparams
W0602 16:58:58.898428  1730 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 7.0, Driver API Version: 11.2, Runtime API Version: 10.1
W0602 16:58:58.901824  1730 device_context.cc:465] device: 0, cuDNN Version: 7.6.
[2022-06-02 16:59:08,690] [    INFO] - Weights from pretrained model not used in ErnieModel: ['cls.predictions.transform.weight', 'cls.predictions.layer_norm.weight', 'cls.predictions.transform.bias', 'cls.predictions.layer_norm.bias', 'cls.predictions.decoder_bias']
100%|████████████████████████████████| 460749/460749 [00:06<00:00, 71829.44it/s]
Init from: uie-base/model_state.pdparams
global step 10, epoch: 4, loss: 0.00284, speed: 2.37 step/s
Evaluation precision: 0.60156, recall: 0.59690, F1: 0.59922
best F1 performence has been updated: 0.00000 --> 0.59922
global step 20, epoch: 7, loss: 0.00212, speed: 2.45 step/s
Evaluation precision: 0.76786, recall: 0.66667, F1: 0.71369
best F1 performence has been updated: 0.59922 --> 0.71369
global step 30, epoch: 10, loss: 0.00169, speed: 2.60 step/s
Evaluation precision: 0.79310, recall: 0.71318, F1: 0.75102
best F1 performence has been updated: 0.71369 --> 0.75102
global step 40, epoch: 14, loss: 0.00137, speed: 2.44 step/s
Evaluation precision: 0.85950, recall: 0.80620, F1: 0.83200
best F1 performence has been updated: 0.75102 --> 0.83200
global step 50, epoch: 17, loss: 0.00114, speed: 2.45 step/s
Evaluation precision: 0.89344, recall: 0.84496, F1: 0.86853
best F1 performence has been updated: 0.83200 --> 0.86853
global step 60, epoch: 20, loss: 0.00097, speed: 2.58 step/s
Evaluation precision: 0.90164, recall: 0.85271, F1: 0.87649
best F1 performence has been updated: 0.86853 --> 0.87649
global step 70, epoch: 24, loss: 0.00084, speed: 2.43 step/s
Evaluation precision: 0.91057, recall: 0.86822, F1: 0.88889
best F1 performence has been updated: 0.87649 --> 0.88889
^C
Traceback (most recent call last):
  File "finetune.py", line 164, in <module>
    do_train()
  File "finetune.py", line 105, in do_train
    optimizer.clear_grad()
  File "<decorator-gen-217>", line 2, in clear_grad
  File "/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/wrapped_decorator.py", line 25, in __impl__
    return wrapped_func(*args, **kwargs)
  File "/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/fluid/framework.py", line 229, in __impl__
    return func(*args, **kwargs)
  File "/opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/paddle/optimizer/optimizer.py", line 1028, in clear_grad
    p.clear_gradient()
KeyboardInterrupt

使用小样本训练后的模型参数再次测试无法正确抽取的case。

from paddlenlp import Taskflow

schema = ['时间', '出发地', '目的地', '费用']

few_ie = Taskflow('information_extraction', schema=schema, task_path='./checkpoint/model_best')

few_ie(['10月16日高铁从杭州到上海南站车次d5414共48元',
        '10月22日从公司到首都机场38元过路费'])

[2022-06-02 17:01:18,430] [    INFO] - We are using <class 'paddlenlp.transformers.ernie.tokenizer.ErnieTokenizer'> to load 'ernie-3.0-base-zh'.
[2022-06-02 17:01:18,432] [    INFO] - Already cached /home/aistudio/.paddlenlp/models/ernie-3.0-base-zh/ernie_3.0_base_zh_vocab.txt





[{'时间': [{'text': '10月16日',
    'start': 0,
    'end': 6,
    'probability': 0.9998620769863464}],
  '出发地': [{'text': '杭州',
    'start': 9,
    'end': 11,
    'probability': 0.997861665709749}],
  '目的地': [{'text': '上海南站',
    'start': 12,
    'end': 16,
    'probability': 0.9974161074329579}],
  '费用': [{'text': '48',
    'start': 24,
    'end': 26,
    'probability': 0.950222029031579}]},
 {'时间': [{'text': '10月22日',
    'start': 0,
    'end': 6,
    'probability': 0.9995716364718135}],
  '目的地': [{'text': '首都机场',
    'start': 10,
    'end': 14,
    'probability': 0.9984550308953608}],
  '费用': [{'text': '38',
    'start': 14,
    'end': 16,
    'probability': 0.9465688451171062}]}]

3.总结

UIE(Universal Information Extraction)：Yaojie Lu等人在ACL-2022中提出了通用信息抽取统一框架UIE。该框架实现了实体抽取、关系抽取、事件抽取、情感分析等任务的统一建模，并使得不同任务间具备良好的迁移和泛化能力。PaddleNLP借鉴该论文的方法，基于ERNIE 3.0知识增强预训练模型，训练并开源了首个中文通用信息抽取模型UIE。该模型可以支持不限定行业领域和抽取目标的关键信息抽取，实现零样本快速冷启动，并具备优秀的小样本微调能力，快速适配特定的抽取目标。

UIE的优势

使用简单：用户可以使用自然语言自定义抽取目标，无需训练即可统一抽取输入文本中的对应信息。实现开箱即用，并满足各类信息抽取需求。

降本增效：以往的信息抽取技术需要大量标注数据才能保证信息抽取的效果，为了提高开发过程中的开发效率，减少不必要的重复工作时间，开放域信息抽取可以实现零样本（zero-shot）或者少样本（few-shot）抽取，大幅度降低标注数据依赖，在降低成本的同时，还提升了效果。

效果领先：开放域信息抽取在多种场景，多种任务上，均有不俗的表现。

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。

上一篇：hbase的大表count hbase单表最大数据量

下一篇：lua字符串转大写 lua 转义字符串

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯