CNN4IE
项目地址：https://github.com/jiangnanboy/CNN4IE
中文信息抽取工具。使用CNN的不同变体进行信息抽取，以后会持续加入不同模型。该项目使用pytorch，python开发。
CNN4IE将各种改进版本的conv进行改动用于中文信息抽取。
Guide
Intro
目前主要实现中文实体抽取：
训练样本以B、I、O形式进行标注。
Model
模型
模型里面的conv块部分主要来自后面的paper中的部分模块。
- 1.MultiLayerResCNN(cnn4ie/mlrescnn)：多层残差CNN(+CRF)， Convolutional Sequence to Sequence Learning 。
- 2.MultiLayerResDSCNN(cnn4ie/dscnn)：多层深度可分离depthwise_separable_convolutionCNN(+CRF)， Xception: Deep Learning with Depthwise Separable Convolutions 。
- 3.MultiLayerAugmentedCNN(cnn4ie/attention_augmented_cnn)：多层注意力增强CNN(+CRF)， Attention Augmented Convolutional Networks 。
- 4.MultiLayerLambdaCNN(cnn4ie/lambda_cnn)：多层LambdaCNN(+CRF)， LambdaNetworks: Modeling long-range Interactions without Attention 。
- 5.MultiLayerResLWCNN(cnn4ie/lcnn)：多层轻量LightweightCNN(+CRF)， Pay Less Attention with Lightweight and Dynamic Convolutions 。
- 6.MultiLayerResDYCNN(cnn4ie/dcnn)：多层动态DynamicCNN(+CRF)， Pay Less Attention with Lightweight and Dynamic Convolutions 。
- 7.MultiLayerStdAttnCNN(cnn4ie/stand_alone_self_attention_cnn)：多层独立自注意力stand_alone_self_attention_CNN(+CRF)，Stand-Alone Self-Attention in Vision Models 。
- 8.MultiLayerCSAttCNN(cnn4ie/channel_spatial_attention_cnn)，多层联合通道和空间注意力channel_spatial_attention_CNN(+CRF)，CBAM: Convolutional Block Attention Module 。
- 9.MultiLayerSACNN(cnn4ie/self_attention_cnn)，多层self-attention_CNN(+CRF)，Self-Attention Generative Adversarial Networks 。
- 10.MultiLayerGroupMixedCNN(cnn4ie/mixed_depthwise_cnn)，多层mixed_depthwise_CNN(+CRF)，MixConv: Mixed Depthwise Convolutional Kernels 。
- 11.MultiLayerMultiCNN(cnn4ie/multi_cnn)，多层multiconv_CNN(+CRF)，Character-Level Translation with Self-attention 。
- 12.MultiLayerMixedAttCNN(cnn4ie/mixed_attention_cnn)，多层混合(全局和局部attention)mixed_attention_cnn，ConvBERT: Improving BERT with Span-based Dynamic Convolution 。
Usage
-
相关参数的配置config见每个模型文件夹中的config.cfg文件，训练和预测时会加载此文件。
-
训练及预测(支持加载预训练的embedding向量)
1.MULTILAYERRESCNN(CNN4IE/MLRESCNN)
(1).训练
from cnn4ie.mlrescnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 199 | Time: 0m 4s Train Loss: 228.545 | Train PPL: 1.802960293422957e+99 Val. Loss: 433.577 | Val. PPL: 1.9966207577208172e+188 Val. report: precision recall f1-score support 1 1.00 1.00 1.00 4539 2 0.98 0.99 0.99 4926 3 0.90 0.83 0.86 166 4 0.74 0.98 0.84 52 5 0.94 0.77 0.84 120 6 0.76 0.97 0.85 39 7 0.82 0.87 0.85 54 8 0.93 0.74 0.82 68 9 0.95 0.77 0.85 26 10 1.00 0.80 0.89 10 accuracy 0.98 10000 macro avg 0.90 0.87 0.88 10000 weighted avg 0.99 0.98 0.98 10000(2).预测
from cnn4ie.mlrescnn.predict import Predict predict = Predict() predict.load_model_vocab('config_cfg') result = predict.predict('据新华社报道，安徽省六安市被评上十大易居城市！') print(result)[{'start': 7, 'stop': 13, 'word': '安徽省六安市', 'type': 'LOC'}, {'start': 1, 'stop': 4, 'word': '新华社', 'type': 'ORG'}]2.MULTILAYERRESDSCNN(CNN4IE/DSCNN)
(1).训练
from cnn4ie.dscnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 192 | Time: 0m 3s Train Loss: 191.273 | Train PPL: 1.172960293422957e+99 Val. Loss: 533.260 | Val. PPL: 5.2866207577208172e+188 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 4539 2 0.98 0.98 0.98 4926 3 0.92 0.82 0.87 166 4 0.82 0.88 0.85 52 5 0.84 0.76 0.80 120 6 0.90 0.95 0.92 39 7 0.90 0.85 0.88 54 8 0.84 0.71 0.77 68 9 0.85 0.65 0.74 26 10 1.00 0.70 0.82 10 accuracy 0.98 10000 macro avg 0.91 0.83 0.86 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.dscnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]3.MULTILAYERAUGMENTEDCNN(CNN4IE/ATTENTION_AUGMENTED_CNN)
(1).训练
from cnn4ie.attention_augmented_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 192 | Time: 0m 3s Train Loss: 185.204 | Train PPL: 2.711303579086953e+80 Val. Loss: 561.592 | Val. PPL: 7.877783034926193e+243 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 4539 2 0.98 0.99 0.98 4926 3 0.96 0.77 0.85 166 4 0.81 0.85 0.83 52 5 0.88 0.71 0.78 120 6 0.90 0.90 0.90 39 7 0.90 0.85 0.88 54 8 0.85 0.69 0.76 68 9 1.00 0.42 0.59 26 10 1.00 0.50 0.67 10 accuracy 0.98 10000 macro avg 0.93 0.77 0.82 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.attention_augmented_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]4.MULTILAYERLAMBDACNN(CNN4IE/LAMBDA_CNN)
(1).训练
from cnn4ie.lambda_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 197 | Time: 0m 2s Train Loss: 198.344 | Train PPL: 1.3800537707438322e+86 Val. Loss: 668.780 | Val. PPL: 2.8022239331403918e+290 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 4539 2 0.98 0.98 0.98 4926 3 0.80 0.78 0.79 166 4 0.89 0.90 0.90 52 5 0.86 0.77 0.81 120 6 0.90 0.92 0.91 39 7 0.81 0.87 0.84 54 8 0.88 0.75 0.81 68 9 0.93 0.54 0.68 26 10 1.00 0.70 0.82 10 accuracy 0.98 10000 macro avg 0.90 0.82 0.85 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.lambda_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]5.MULTILAYERRESLWCNN(CNN4IE/LCNN)
(1).训练
from cnn4ie.lcnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 190 | Time: 0m 4s Train Loss: 195.472 | Train PPL: 7.807223255192846e+84 Val. Loss: 453.642 | Val. PPL: 1.0328983269312897e+197 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 5925 2 0.99 0.98 0.98 5501 3 0.90 0.85 0.87 174 4 0.72 0.93 0.81 57 5 0.92 0.81 0.86 122 6 0.82 0.91 0.86 44 7 0.84 0.85 0.85 62 8 0.92 0.77 0.84 71 9 0.66 0.81 0.72 31 10 0.91 0.77 0.83 13 accuracy 0.98 12000 macro avg 0.86 0.87 0.86 12000 weighted avg 0.98 0.98 0.98 12000(2).预测
from cnn4ie.lcnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]6.MULTILAYERRESDYCNN(CNN4IE/DCNN)
(1).训练
from cnn4ie.dcnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 192 | Time: 0m 4s Train Loss: 182.916 | Train PPL: 2.7491663642617552e+79 Val. Loss: 463.782 | Val. PPL: 2.618555606950152e+201 Val. report: precision recall f1-score support 1 1.00 1.00 1.00 5925 2 0.99 0.98 0.98 5501 3 0.86 0.86 0.86 174 4 0.80 0.93 0.86 57 5 0.84 0.79 0.81 122 6 0.83 0.89 0.86 44 7 0.83 0.87 0.85 62 8 0.88 0.75 0.81 71 9 0.92 0.71 0.80 31 10 1.00 0.85 0.92 13 accuracy 0.98 12000 macro avg 0.89 0.86 0.88 12000 weighted avg 0.98 0.98 0.98 12000(2).预测
from cnn4ie.dcnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]7.MULTILAYERSTDATTNCNN(CNN4IE/STAND_ALONE_SELF_ATTENTION_CNN)
(1).训练
from cnn4ie.stand_alone_self_attention_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 195 | Time: 0m 3s Train Loss: 247.570 | Train PPL: 3.29768182789317e+107 Val. Loss: 681.482 | Val. PPL: 9.20623044303632e+295 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 4539 2 0.99 0.99 0.99 4926 3 0.95 0.86 0.90 166 4 0.93 0.96 0.94 52 5 0.91 0.78 0.84 120 6 0.93 0.97 0.95 39 7 0.80 0.89 0.84 54 8 0.91 0.72 0.80 68 9 1.00 0.69 0.82 26 10 1.00 0.90 0.95 10 accuracy 0.98 10000 macro avg 0.94 0.88 0.90 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.stand_alone_self_attention_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 19, 'stop': 26, 'word': '全国人大常委会', 'type': 'ORG'}, {'start': 32, 'stop': 36, 'word': ' 今天下午', 'type': 'T'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]8.MULTILAYERCSATTCNN(CNN4IE/CHANNEL_SPATIAL_ATTENTION_CNN)
(1).训练
from cnn4ie.channel_spatial_attention_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 181 | Time: 0m 3s Train Loss: 112.922 | Train PPL: 1.1001029953413096e+49 Val. Loss: 493.448 | Val. PPL: 2.002428912702234e+214 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 4539 2 0.98 0.98 0.98 4926 3 0.89 0.81 0.85 166 4 0.77 0.88 0.82 52 5 0.90 0.73 0.81 120 6 0.84 0.92 0.88 39 7 0.81 0.89 0.85 54 8 0.90 0.69 0.78 68 9 0.85 0.85 0.85 26 10 0.82 0.90 0.86 10 accuracy 0.98 10000 macro avg 0.88 0.87 0.87 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.channel_spatial_attention_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]9.MULTILAYERSACNN(CNN4IE/SELF_ATTENTION_CNN)
(1).训练
from cnn4ie.self_attention_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 198 | Time: 0m 2s Train Loss: 241.123 | Train PPL: 5.227354818437855e+104 Val. Loss: 421.708 | Val. PPL: 1.3982772880257424e+183 Val. report: precision recall f1-score support 1 0.99 1.00 1.00 4539 2 0.98 0.98 0.98 4926 3 0.89 0.87 0.88 166 4 0.84 0.92 0.88 52 5 0.76 0.74 0.75 120 6 0.88 0.95 0.91 39 7 0.83 0.91 0.87 54 8 0.80 0.71 0.75 68 9 1.00 0.54 0.70 26 10 1.00 0.70 0.82 10 accuracy 0.98 10000 macro avg 0.90 0.83 0.85 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.self_attention_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}, {'start': 19, 'stop': 26, 'word': '全国人大常委会', 'type': 'ORG'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]10.MULTILAYERGROUPMIXEDCNN(CNN4IE/MIXED_DEPTHWISE_CNN)
(1).训练
from cnn4ie.mixed_depthwise_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 200 | Time: 0m 1s Train Loss: 310.169 | Train PPL: 5.0653182367925945e+134 Val. Loss: 451.143 | Val. PPL: 8.489160946059989e+195 Val. report: precision recall f1-score support 1 1.00 1.00 1.00 4539 2 0.98 0.99 0.99 4926 3 0.93 0.83 0.88 166 4 0.89 0.90 0.90 52 5 0.89 0.75 0.81 120 6 0.92 0.92 0.92 39 7 0.91 0.93 0.92 54 8 0.86 0.71 0.77 68 9 1.00 0.58 0.73 26 10 1.00 0.70 0.82 10 accuracy 0.99 10000 macro avg 0.94 0.83 0.87 10000 weighted avg 0.98 0.99 0.98 10000(2).预测
from cnn4ie.mixed_depthwise_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 19, 'stop': 24, 'word': '全国人大常', 'type': 'ORG'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}, {'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}]11.MULTILAYERMULTICNN(CNN4IE/MULTI_CNN)
(1).训练
from cnn4ie.multi_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 200 | Time: 0m 1s Train Loss: 234.673 | Train PPL: 8.267382310706752e+101 Val. Loss: 444.010 | Val. PPL: 6.779999895568844e+192 Val. report: precision recall f1-score support 1 1.00 1.00 1.00 4539 2 0.98 0.99 0.98 4926 3 0.92 0.84 0.88 166 4 0.81 0.96 0.88 52 5 0.83 0.78 0.81 120 6 0.86 0.95 0.90 39 7 0.92 0.91 0.92 54 8 0.80 0.71 0.75 68 9 1.00 0.69 0.82 26 10 1.00 0.70 0.82 10 accuracy 0.98 10000 macro avg 0.91 0.85 0.88 10000 weighted avg 0.98 0.98 0.98 10000(2).预测
from cnn4ie.multi_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}, {'start': 20, 'stop': 25, 'word': '国人大常委', 'type': 'ORG'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]12.MULTILAYERMIXEDATTCNN(CNN4IE/MIXED_ATTENTION_CNN)
(1).训练
from cnn4ie.mixed_attention_cnn.train import Train train = Train() train.train_model('config.cfg')Epoch: 250 | Time: 0m 3s Train Loss: 107.790 | Train PPL: 6.497928061494806e+46 Val. Loss: 283.142 | Val. PPL: 9.269305878179231e+122 Val. report: precision recall f1-score support 1 1.00 1.00 1.00 4539 2 0.98 0.99 0.99 4926 3 0.91 0.84 0.87 166 4 0.86 0.98 0.92 52 5 0.91 0.78 0.84 120 6 0.93 0.97 0.95 39 7 0.88 0.91 0.89 54 8 0.92 0.72 0.81 68 9 1.00 0.65 0.79 26 10 1.00 0.80 0.89 10 accuracy 0.99 10000 macro avg 0.94 0.86 0.89 10000 weighted avg 0.99 0.99 0.99 10000(2).预测
from cnn4ie.mixed_attention_cnn.predict import Predict predict = Predict() predict.load_model_vocab('config.cfg') result = predict.predict('本报北京２月２８日讯记者苏宁报道：八届全国人大常委会第三十次会议今天下午在京闭幕。') print(result)[{'start': 32, 'stop': 36, 'word': '今天下午', 'type': 'T'}, {'start': 2, 'stop': 4, 'word': '北京', 'type': 'LOC'}, {'start': 12, 'stop': 14, 'word': '苏宁', 'type': 'LOC'}]
Evaluate
评估采用的是P、R、F1、PPL等。评估方法可利用scikit-learn中的precision_recall_fscore_support或classification_report。
Install
- 安装：pip install CNN4IE
- 下载源码：
git clone https://github.com/jiangnanboy/CNN4IE.git
cd CNN4IE
python setup.py install
通过以上两种方法的任何一种完成安装都可以。如果不想安装，可以下载github源码包