UIE-PyTorchPaddleNLP通用信息抽取模型的终极PyTorch实现指南【免费下载链接】uie_pytorchPaddleNLP UIE模型的PyTorch版实现项目地址: https://gitcode.com/gh_mirrors/ui/uie_pytorchUIE-PyTorch是PaddleNLP UIE模型的PyTorch版实现为开发者提供了强大的通用信息抽取能力。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。 UIE模型简介UIE(Universal Information Extraction)是Yaojie Lu等人在ACL-2022中提出的通用信息抽取统一框架。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。 核心功能特性uie_predictor提供通用信息抽取、评价观点抽取等能力可抽取多种类型的信息包括但不限于命名实体识别如人名、地名、机构名等关系如电影的导演、歌曲的发行时间等事件如某路口发生车祸、某地发生地震等评价维度、观点词、情感倾向等信息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⚙️ 环境配置与安装系统要求Python环境PyTorch 1.10至2.0版本CPU版依赖安装项目的核心依赖在requirements.txt中定义主要包括numpy 1.22torch 1.10,2.0transformers 4.18,5.0sentencepieceonnxruntime快速安装步骤克隆仓库git clone https://gitcode.com/gh_mirrors/ui/uie_pytorch cd uie_pytorch安装依赖pip install -r requirements.txt 使用指南零样本抽取UIE模型支持零样本抽取无需训练即可直接使用自然语言描述抽取目标。小样本微调对于特定领域或抽取目标可使用少量标注数据进行微调进一步提升抽取效果。相关代码可参考finetune.py。模型导出训练好的模型可以导出为ONNX格式方便在生产环境中部署。导出功能可通过export_model.py实现。 评价与评估项目提供了评估脚本evaluate.py可用于评估模型在不同任务上的性能表现。 数据标注工具项目包含与数据标注相关的工具doccano.py与doccano标注工具集成labelstudio2doccano.pyLabel Studio标注数据转doccano格式 贡献与交流欢迎通过提交issue或PR的方式参与项目贡献一起完善这个强大的通用信息抽取工具。 许可证本项目基于LICENSE开源。【免费下载链接】uie_pytorchPaddleNLP UIE模型的PyTorch版实现项目地址: https://gitcode.com/gh_mirrors/ui/uie_pytorch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考