any readme to get start? #5
Comments
|
@lovejasmine Because this method does not work well, so I did not pay attention to update the use of this code, if you want to continue to study, I will update it in the near future. |
|
@yuanxiaosc 楼主，加油，继续更新啊，这个方向挺有意义的，期待。。。 |
最近找工作找的焦头烂额，，，，这个代码和 https://github.com/yuanxiaosc/Multiple-Relations-Extraction-Only-Look-Once 使用方法类似，可以尝试运行，但是效果不佳，我目前模型最佳F1值在70+左右。 |
|
楼主 我在训练后关系分类只达到了百分之20的准确率 实体识别三个评估值都是0 是哪里出问题了吗 请告诉我一下 谢谢你 |
你可以尝试下上面连接的代码 |
|
这个代码我也运行了 看最后提交文件效果也不太好。关系抽取的结果大多数都没有正确输出。是我执行的方法有问题吗？ 我是按照readme 执行的。 还有，请问两个代码评估准确率方法可以共用吗
…------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <[email protected]>;
发送时间: 2020年10月23日(星期五) 晚上11:31
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<[email protected]>;
抄送: "空"<[email protected]>;"Comment"<[email protected]>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to get start? (#5)
楼主 我在训练后关系分类只达到了百分之20的准确率 实体识别三个评估值都是0 是哪里出问题了吗 请告诉我一下 谢谢你
你可以尝试下上面连接的代码
—
You are receiving this because you commented.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
建议你直接使用这个，https://github.com/yuanxiaosc/Entity-Relation-Extraction |
|
想请问一个问题，第一个关系分类模型预测出了一个句子中可能存在的关系，那么这些关系是相对于哪些实体抽取出来的，还是说根据句子中的动词等词语抽取出来的的而已。如果一个句子存在关系相同的两个实体对，比如A吃了B，C吃了D，那么这个关系重复了在第一个关系分类模型又是如何表达的，这个关系重复的例子中，在第二个实体标注模型ABCD都能够标注出来吗
…------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <[email protected]>;
发送时间: 2020年11月6日(星期五) 凌晨0:20
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<[email protected]>;
抄送: "空"<[email protected]>;"Comment"<[email protected]>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to get start? (#5)
Closed #5.
—
You are receiving this because you commented.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
想请问作者一个问题，第一个关系分类模型预测出了一个句子中可能存在的关系，那么这些关系是相对于哪些实体抽取出来的，还是说根据句子中的动词等词语抽取出来的的而已。如果一个句子存在关系相同的两个实体对，比如A吃了B，C吃了D，那么这个关系重复了在第一个关系分类模型又是如何表达的，这个关系重复的例子中，在第二个实体标注模型ABCD都能够标注出来吗 救救孩子吧
…------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <[email protected]>;
发送时间: 2020年11月6日(星期五) 凌晨0:20
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<[email protected]>;
抄送: "空"<[email protected]>;"Comment"<[email protected]>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to get start? (#5)
Closed #5.
—
You are receiving this because you commented.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
@ztclear 这里预估的关系是指整句话可能含有的关系，无法区分是哪个词语的。这份代码侧重于用一些先验知识，主要是一些统计规律和规则来预测，比如识别出来几个名词，那么就去先查这几个名词各种组合可能的关系，如果查到就直接使用，没有找到再用模型预估的关系。 |
|
谢谢你 我了解了 还想请问的一点是，你在跑这个模型时使用的是完整的比赛数据集吗？我现在正在用完整的数据集跑，但是感觉仍然需要很长的时间。是不是应该用github那个模型里面下载时自带的部分数据集呢
…------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <[email protected]>;
发送时间: 2020年11月21日(星期六) 晚上8:59
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<[email protected]>;
抄送: "空"<[email protected]>;"Mention"<[email protected]>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to get start? (#5)
@ztclear 这里预估的关系是指整句话可能含有的关系，无法区分是哪个词语的。这份代码侧重于用一些先验知识，主要是一些统计规律和规则来预测，比如识别出来几个名词，那么就去先查这几个名词各种组合可能的关系，如果查到就直接使用，没有找到再用模型预估的关系。
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
不用等模型训练完，训练过程中保存的模型也是可以拿出来使用的
ztclear <[email protected]> 于2020年11月25日周三 上午10:04写道：
… 谢谢你 我了解了
还想请问的一点是，你在跑这个模型时使用的是完整的比赛数据集吗？我现在正在用完整的数据集跑，但是感觉仍然需要很长的时间。是不是应该用github那个模型里面下载时自带的部分数据集呢
------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <
***@***.***>;
发送时间: 2020年11月21日(星期六) 晚上8:59
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<
***@***.***>;
***@***.******@***.***>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to
get start? (#5)
@ztclear
这里预估的关系是指整句话可能含有的关系，无法区分是哪个词语的。这份代码侧重于用一些先验知识，主要是一些统计规律和规则来预测，比如识别出来几个名词，那么就去先查这几个名词各种组合可能的关系，如果查到就直接使用，没有找到再用模型预估的关系。
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
—
You are receiving this because you modified the open/close state.
Reply to this email directly, view it on GitHub
<#5 (comment)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/AD3PCEWBS3DPLCWIPDB5JUDSRRQ3JANCNFSM4HZTMBFQ>
.
|
|
非常感谢你的指导，但是我现在遇到了一个问题，第一个关系分类模型正确得到了76%左右的准确率，但是第二个实体标注子模型效果仍然不佳，我之前用的是部分数据，以为是训练数据不够造成的，但是我使用完整数据集训练后甚至没有之前效果好，效果如下图，尊却率15.4%，召回率0.2%，F1值0.39% 我尝试了一天多也没有找到原因，所以想请教一下你
…------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <[email protected]>;
发送时间: 2020年11月27日(星期五) 中午11:12
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<[email protected]>;
抄送: "空"<[email protected]>;"Mention"<[email protected]>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to get start? (#5)
不用等模型训练完，训练过程中保存的模型也是可以拿出来使用的
ztclear <[email protected]> 于2020年11月25日周三 上午10:04写道：
> 谢谢你 我了解了
> 还想请问的一点是，你在跑这个模型时使用的是完整的比赛数据集吗？我现在正在用完整的数据集跑，但是感觉仍然需要很长的时间。是不是应该用github那个模型里面下载时自带的部分数据集呢
>
>
>
>
> ------------------&nbsp;原始邮件&nbsp;------------------
> 发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <
> [email protected]&gt;;
> 发送时间:&nbsp;2020年11月21日(星期六) 晚上8:59
> 收件人:&nbsp;"yuanxiaosc/Schema-based-Knowledge-Extraction"<
> [email protected]&gt;;
> 抄送:&nbsp;"空"<[email protected]&gt;;"Mention"<[email protected]&gt;;
>
> 主题:&nbsp;Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to
> get start? (#5)
>
>
>
>
>
>
> @ztclear
> 这里预估的关系是指整句话可能含有的关系，无法区分是哪个词语的。这份代码侧重于用一些先验知识，主要是一些统计规律和规则来预测，比如识别出来几个名词，那么就去先查这几个名词各种组合可能的关系，如果查到就直接使用，没有找到再用模型预估的关系。
>
>
> —
> You are receiving this because you were mentioned.
> Reply to this email directly, view it on GitHub, or unsubscribe.
>
> —
> You are receiving this because you modified the open/close state.
> Reply to this email directly, view it on GitHub
> <#5 (comment)>,
> or unsubscribe
> <https://github.com/notifications/unsubscribe-auth/AD3PCEWBS3DPLCWIPDB5JUDSRRQ3JANCNFSM4HZTMBFQ>
> .
>
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
|
|
可以尝试模型调参（比如学习率）和特征工程（比如用规则的方法去除训练数据中的部分噪音）
ztclear <[email protected]> 于2020年11月30日周一 下午2:09写道：
… 非常感谢你的指导，但是我现在遇到了一个问题，第一个关系分类模型正确得到了76%左右的准确率，但是第二个实体标注子模型效果仍然不佳，我之前用的是部分数据，以为是训练数据不够造成的，但是我使用完整数据集训练后甚至没有之前效果好，效果如下图，尊却率15.4%，召回率0.2%，F1值0.39%
我尝试了一天多也没有找到原因，所以想请教一下你
------------------ 原始邮件 ------------------
发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <
***@***.***>;
发送时间: 2020年11月27日(星期五) 中午11:12
收件人: "yuanxiaosc/Schema-based-Knowledge-Extraction"<
***@***.***>;
***@***.******@***.***>;
主题: Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any readme to
get start? (#5)
不用等模型训练完，训练过程中保存的模型也是可以拿出来使用的
ztclear ***@***.***> 于2020年11月25日周三 上午10:04写道：
> 谢谢你 我了解了
>
还想请问的一点是，你在跑这个模型时使用的是完整的比赛数据集吗？我现在正在用完整的数据集跑，但是感觉仍然需要很长的时间。是不是应该用github那个模型里面下载时自带的部分数据集呢
>
>
>
>
> ------------------&nbsp;原始邮件&nbsp;------------------
> 发件人: "yuanxiaosc/Schema-based-Knowledge-Extraction" <
> ***@***.***&gt;;
> 发送时间:&nbsp;2020年11月21日(星期六) 晚上8:59
> 收件人:&nbsp;"yuanxiaosc/Schema-based-Knowledge-Extraction"<
> ***@***.***&gt;;
> ***@***.***&gt;;"Mention"<
***@***.***&gt;;
>
> 主题:&nbsp;Re: [yuanxiaosc/Schema-based-Knowledge-Extraction] any
readme to
> get start? (#5)
>
>
>
>
>
>
> @ztclear
>
这里预估的关系是指整句话可能含有的关系，无法区分是哪个词语的。这份代码侧重于用一些先验知识，主要是一些统计规律和规则来预测，比如识别出来几个名词，那么就去先查这几个名词各种组合可能的关系，如果查到就直接使用，没有找到再用模型预估的关系。
>
>
> —
> You are receiving this because you were mentioned.
> Reply to this email directly, view it on GitHub, or unsubscribe.
>
> —
> You are receiving this because you modified the open/close state.
> Reply to this email directly, view it on GitHub
> <
#5 (comment)>,
> or unsubscribe
> <
https://github.com/notifications/unsubscribe-auth/AD3PCEWBS3DPLCWIPDB5JUDSRRQ3JANCNFSM4HZTMBFQ>
> .
>
—
You are receiving this because you were mentioned.
Reply to this email directly, view it on GitHub, or unsubscribe.
—
You are receiving this because you modified the open/close state.
Reply to this email directly, view it on GitHub
<#5 (comment)>,
or unsubscribe
<https://github.com/notifications/unsubscribe-auth/AD3PCETDGGSJEUUJVXOBBKTSSMZK3ANCNFSM4HZTMBFQ>
.
|
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
No description provided.
The text was updated successfully, but these errors were encountered: