DeepKE

Abstract ​ 本文提出了一个开源的可拓展的知识抽取工具包——DeepKE，支持多场景(少资源、文档级别、多模态)下的知识数据库填充。 Introduction ​ KBP的提出是为了从文本语料库中抽取知识来补充知识库(KBs)中缺失的元素，即对知识图谱进行补充。 ​ DeepKE支持标准监督设置和三种复杂场景下的知识抽取任务(命名实体识别、关系抽取和属性提取)。 Core Functions ​ 这一节简要介绍了一下三种知识抽取任务的概念和效果。略。 ​ Toolkit Design and Implementation ​ DeepKE的三大特性： 统一框架，在数据、模型和核心组件方面，不同的任务对象使用相同的框架。 灵活使用，提供自动超参数调整等工具，提高工作效率 现成模型，提供预训练的语言模型。 Data Module ​ 数据模块主要完成数据的预处理和加载。其中的Tokenizer负责实现中文/英文的标记化。图像等其他视觉对象在多模态设置下先转化成视觉信息如标记或image patch。 Model Module ​ 模型模块包

深度学习·知识图谱 · 2023-03-22 · 543 人浏览
2023 - 2025 Axuanz的学习日记. All Rights Reserved.
Theme Jasmine by Kent Liao