R-BERT_for_people_relation_extraction:使用R-BERT模型对人物关系模型进行分类，效果有显着提升

【文件属性】：

文件名称：R-BERT_for_people_relation_extraction:使用R-BERT模型对人物关系模型进行分类，效果有显着提升

文件大小：328KB

文件格式：ZIP

更新时间：2024-04-05 10:48:10

Python

用于人际关系分类的R-BERT 本项目采用R-BERT模型：对人物关系进行分类，提升效果明显，在测试集上的F1值达到85％。 数据集 共3901条标注样本，训练集：测试集= 8：2 标注样本：亲戚 1837年6月20日，威廉四世辞世，他的侄女维多利亚即位。 ，其中亲戚为关系，威廉四世为实体1（entity_1 ），维多利亚为实体2（entity_2）。 每一种关系的标注数量如下图： 模型结构 从BERT获得三个向量。 [CLS]令牌向量 实体_1平均向量 平均实体_2向量 将每个矢量传递到完全连接的层。 退出-> tanh-> fc-layer 连接三个向量。 将串联的矢量传递到完全连接层。 辍学-> FC层 完全符合书面条件。 分别平均对entity_1和entity_2隐藏状态向量。 （包括$，＃个令牌） 完全连接层之前的Dropout和

【文件预览】：
R-BERT_for_people_relation_extraction-master
----utils.py(2KB)
----main.py(4KB)
----model.py(3KB)
----requirements.txt(59B)
----predict.py(7KB)
----eval()
--------proposed_answers.txt(10KB)
--------true_answer.txt(10KB)
----README.md(3KB)
----sample_pred_out.txt(35B)
----data()
--------label.txt(107B)
--------rbert_train.csv(506KB)
--------bar_chart.png(33KB)
--------rbert_test.csv(127KB)
----sample_pred_in.txt(477B)
----evaluate.py(639B)
----.gitignore(1KB)
----trainer.py(8KB)
----data_loader.py(10KB)