percent4 / spo_extract_platform
本项目是利用深度学习技术来构建知识图谱方向上的一次尝试，作为开放领域的关系抽取，算是笔者的一次创新，目前在这方面的文章和项目都很少。
☆307Updated last year
Related projects ⓘ
Alternatives and complementary repositories for spo_extract_platform
- 本项目用于展示三元组抽取后形成的知识图谱，包括几本小说的实体关系，以及README.md，介绍这方面的一篇文章。☆192Updated 4 years ago
- CCKS 2020：新冠知识图谱构建与问答评测（四）新冠知识图谱问答评测☆215Updated 3 years ago
- 基于远监督的中文关系抽取☆384Updated 3 years ago
- 2019百度的关系抽取比赛，使用Pytorch实现苏神的模型，F1在dev集可达到0.75，联合关系抽取，Joint Relation Extraction.☆314Updated 4 years ago
- 中文关系抽取☆436Updated last year
- 中文知识库问答代码，CCKS2019 CKBQA评测第四名解决方案☆479Updated 3 years ago
- 结合BERT+GRU+ATT模型，对自己收集的人物关系数据进 行模型训练，用于人物关系抽取。☆320Updated last year
- 中文关系抽取☆136Updated 5 years ago
- 限定领域的三元组抽取的一次尝试，本文将会介绍笔者在2019语言与智能技术竞赛的三元组抽取比赛方面的一次尝试。☆133Updated last year
- Code for http://lic2019.ccf.org.cn/kg 信息抽取。使用基于 BERT 的实体抽取和关系抽取的端到端的联合模型。☆284Updated 5 years ago
- 中文医学知识图谱命名实体识别，包括bi-LSTM+CRF，transformer+CRF等模型☆234Updated 5 years ago
- 豆瓣书籍,电影类别的知识图谱问答系统☆256Updated 4 years ago
- 中文命名实体识别NER。用keras实现BILSTM+CRF、IDCNN+CRF、BERT+BILSTM+CRF进行实体识别。结果当然是BERT+BILSTM+CRF最好啦。☆284Updated 4 years ago
- Multiple-Relations-Extraction-Only-Look-Once. Just look at the sentence once and extract the multiple pairs of entities and their corresp…☆346Updated 5 years ago
- Comparison of Chinese Named Entity Recognition Models between NeuroNER and BertNER☆328Updated 5 years ago
- A trial of kbqa based on bert for NLPCC2016/2017 Task 5 (基于BERT的中文知识库问答实践，代码可跑通）☆269Updated 5 years ago
- ChineseNER based on BERT, with BiLSTM+CRF layer☆442Updated 3 years ago
- 抽取中文三元组☆96Updated last year
- 基于Pytorch和torchtext的知识图谱深度学习框架。☆613Updated 4 years ago
- 科大讯飞2020事件抽取挑战赛第一名解决方案&完整事件抽取系统☆537Updated 3 years ago
- 北京航空航天大学大数据高精尖中心自然语言处理研究团队对信息抽取领域的调研。包括实体识别，关系抽取，属性抽取等子任务，每类子任务分别对学术界和工业界进行调研。☆461Updated 2 years ago
- 中文NER的那些事儿☆310Updated last year
- 哈工大bert上fine turning ，中文人物关系抽取任务准确率0.97☆118Updated 4 years ago
- self summary after attending 2018全国知识图谱与语义计算大会，China Conference on Knowledge Graph and Semantic Computing☆236Updated 6 years ago
- 基于BI-LSTM+CRF的中文命名实体识别 Pytorch☆376Updated last year
- 农业领域知识图谱的构建，包括数据爬取(百度百科)、数据分类、利用结构化数据生成三元组、非结构化数据的分句(LTP)，分词(jieba)，命名实体识别(LTP)、基于依存句法分析(主谓关系等)的关系抽取和利用neo4j生成可视化知识图谱☆242Updated 4 years ago
- 基于pytorch的中文三元组提取（命名实体识别+关系抽取）☆333Updated last year
- 实体识别和关系抽取的联合模型☆121Updated 5 years ago
- CCKS2019中文命名实体识别任务。从医疗文本中识别疾病和诊断、解剖部位、影像检查、实验室检验、手术和药物6种命名实体。现已实现基于jieba和AC自动机的baseline构建、基于BiLSTM和CRF的序列标住模型构建。bert的部分代码主要源于https://gith…☆347Updated 2 years ago
- SEBERTNets：一种面向金融领域的事件主体抽取方法☆193Updated 2 years ago