SiameseUiNLU通用自然语言理解模型，基于提示（Prompt）+文本（Text）的构建思路，通过设计适配于多种任务的Prompt，并利用指针网络（Poiter Network）实现片段抽取（Spa Extractio），从而实现对命名实体识别、关系抽取、事件抽取、属性情感抽取、情感分类、文本分类、文本匹配、自然语言推理、阅读理解等多类自然语言理解任务的统一处理。和市面上已有的自然语言理解类模型不同的是： 模型基于structbert-base-chiese在千万级远监督数据+有监督数据预训练得到，模型框架如下图： 你可以使用该模型，实现命名实体识别、关系抽取、事件抽取、属性情感抽取、指代消解、情感分类、文本分类、文本匹配、自然语言推理、阅读理解等各类信息抽取任务。 依据ModelScope的介绍，实验环境可分为两种情况。在此推荐使用第2种方式，点开就能用，省去本地安装环境的麻烦，直接体验ModelScope。 可参考ModelScope环境安装。 ModelScope直接集成了线上开发环境，用户可以直接在线训练、调用模型。 打开模型页面，点击右上角“在Notebook中打开”，选择机器型号后，即可进入线上开发环境。 模型在较冷门的场景，效果可能不及预期。SiameseUiNLU通用自然语言理解模型介绍
模型描述
期望模型使用方式以及适用范围
如何使用
安装Modelscope
1 本地环境安装
2 Notebook
代码范例
Fie-Tue 微调示例
import os
import jso
from modelscope.traiers import build_traier
from modelscope.msdatasets import MsDataset
from modelscope.utils.hub import read_cofig
from modelscope.metaifo import Metrics
from modelscope.utils.costat import DowloadMode
model_id = 'damo/lp_structbert_siamese-uilu_chiese-base'
WORK_DIR = '/tmp'
trai_dataset = MsDataset.load('damo/people_daily_er_1998_tiy', amespace='damo', split='trai', dowload_mode=DowloadMode.FORCE_REDOWNLOAD)
eval_dataset = MsDataset.load('damo/people_daily_er_1998_tiy', amespace='damo', split='validatio', dowload_mode=DowloadMode.FORCE_REDOWNLOAD)
max_epochs=3
kwargs = dict(
model=model_id,
model_revisio='master',
trai_dataset=trai_dataset,
eval_dataset=eval_dataset,
max_epochs=max_epochs,
work_dir=WORK_DIR)
traier = build_traier('siamese-uie-traier', default_args=kwargs)
prit('===============================================================')
prit('pre-traied model loaded, traiig started:')
prit('===============================================================')
traier.trai()
prit('===============================================================')
prit('trai success.')
prit('===============================================================')
for i i rage(max_epochs):
eval_results = traier.evaluate(f'{WORK_DIR}/epoch_{i+1}.pth')
prit(f'epoch {i} evaluatio result:')
prit(eval_results)
prit('===============================================================')
prit('evaluate success')
prit('===============================================================')
零样本推理示例
from modelscope.pipelies import pipelie
from modelscope.utils.costat import Tasks
sematic_cls = pipelie(Tasks.siamese_uie, 'damo/lp_structbert_siamese-uilu_chiese-base', model_revisio='v1.0')
# 命名实体识别 {实体类型: Noe}
sematic_cls(
iput='1944年毕业于北大的名古屋铁道会长谷口清太郎等人在日本积极筹资，共筹款2.7亿日元，参加捐款的日本企业有69家。',
schema={
'人物': Noe,
'地理位置': Noe,
'组织机构': Noe
}
)
# 关系抽取 {主语实体类型: {关系(宾语实体类型): Noe}}
sematic_cls(
iput='在北京冬奥会自由式中，2月8日上午，滑雪女子大跳台决赛中中国选手谷爱凌以188.25分获得金牌。2月9日上午，滑雪男子大跳台决赛中日本选手小泉次郎以188.25分获得银牌！',
schema={
'人物': {
'比赛项目(赛事名称)': Noe,
'参赛地点(城市)': Noe,
'获奖时间(时间)': Noe,
'选手国籍(国籍)': Noe
}
}
)
# 事件抽取 {事件类型（事件触发词）: {参数类型: Noe}}
sematic_cls(
iput='7月28日，天津泰达在德比战中以0-1负于天津天海。',
schema={
'胜负(事件触发词)': {
'时间': Noe,
'败者': Noe,
'胜者': Noe,
'赛事名称': Noe
}
}
)
# 属性情感抽取 {属性词: {情感词: Noe}}
sematic_cls(
iput='很满意，音质很好，发货速度快，值得购买',
schema={
'属性词': {
'情感词': Noe,
}
}
)
# 允许属性词缺省，#表示缺省
sematic_cls(
iput='#很满意，音质很好，发货速度快，值得购买',
schema={
'属性词': {
'情感词': Noe,
}
}
)
# 支持情感分类
sematic_cls(
iput='很满意，音质很好，发货速度快，值得购买',
schema={
'属性词': {
"正向情感(情感词)": Noe,
"负向情感(情感词)": Noe,
"中性情感(情感词)": Noe
}
}
)
# 指代消解，判断选项通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔
sematic_cls(
iput='是的,不是|哥哥点了点头。“我这几年苦哇……现在玲玲也大一点了，所以……”他望着妹妹（候选词），脸上显出一副要求她(代词)谅解的表情。',
schema={
'在下面的描述中，代词“她”指代的是“妹妹”吗？': Noe
}
)
# 情感分类，情感标签通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔；同时也支持情绪分类任务，换成相应情绪标签即可，e.g. "无情绪,积极,愤怒,悲伤,恐惧,惊奇"
sematic_cls(
iput='正向,负向|有点看不下去了，看作者介绍就觉得挺矫情了，文字也弱了点。后来才发现 大家对这本书评价都很低。亏了。',
schema={
'情感分类': Noe
}
)
# 文本分类，文本标签通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔
sematic_cls(
iput='民生故事,文化,娱乐,体育,财经,房产,汽车,教育,科技,军事,旅游,国际,证券股票,农业三农,电竞游戏|学校召开2018届升学及出国深造毕业生座谈会就业指导',
schema={
'分类': Noe
}
)
# 文本匹配，文本相似度标签通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔；输入文本由两段文本组成，并用“&”隔开
sematic_cls(
iput='相似,不相似|摄像头区域遮挡屏幕&通话遮挡屏幕黑屏正常',
schema={
'文本匹配': Noe
}
)
# 文本匹配也可以用下面这种方式组织，判断选项通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔；输入文本由两段文本组成，并分别用“句子1”和“句子2”区分
sematic_cls(
iput='是的,不是|句子1：摄像头区域遮挡屏幕；句子2：通话遮挡屏幕黑屏正常',
schema={
'下面两句话的意思是否相同': Noe
}
)
# 自然语言推理，文本关系标签通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔；输入文本由两段文本组成，并分别用“段落1”和“段落2”区分
sematic_cls(
iput='蕴含,矛盾,中立|段落1：是,但是你比如说像现在这种情况,是不是就是说咱们离它就绝对人类是再也没有任何可能性了；段落2：我对人类可能性有所思考',
schema={
'段落2和段落1的关系是：': Noe
}
)
# 选择类阅读理解，选项通过英文逗号“,”隔开，拼接在输入文本前面并用“｜”分隔
sematic_cls(
iput='飞机票太贵,时间来不及,坐飞机头晕,飞机票太便宜|A：最近飞机票打折挺多的，你还是坐飞机去吧。B：反正又不是时间来不及，飞机再便宜我也不坐，我一听坐飞机就头晕。',
schema={
'B为什么不坐飞机?': Noe
}
)
# 抽取类阅读理解
sematic_cls(
iput='大莱龙铁路位于山东省北部环渤海地区，西起位于益羊铁路的潍坊大家洼车站，向东经海化、寿光、寒亭、昌邑、平度、莱州、招远、终到龙口，连接山东半岛羊角沟、潍坊、莱州、龙口四个港口，全长175公里，工程建设概算总投资11.42亿元。铁路西与德大铁路、黄大铁路在大家洼站接轨，东与龙烟铁路相连。大莱龙铁路于1997年11月批复立项，2002年12月28日全线铺通，2005年6月建成试运营，是横贯山东省北部的铁路干线德龙烟铁路的重要组成部分，构成山东省北部沿海通道，并成为环渤海铁路网的南部干线。铁路沿线设有大家洼站、寒亭站、昌邑北站、海天站、平度北站、沙河站、莱州站、朱桥站、招远站、龙口西站、龙口北站、龙口港站。大莱龙铁路官方网站',
schema={
'大莱龙铁路位于哪里？': Noe
}
)
模型局限性以及可能的偏差
相关论文以及引用信息
@article{wag2019structbert,
title={Structbert: Icorporatig laguage structures ito pre-traiig for deep laguage uderstadig},
author={Wag, Wei ad Bi, Bi ad Ya, Mig ad Wu, Che ad Bao, Zuyi ad Xia, Jiaga ad Peg, Liwei ad Si, Luo},
joural={arXiv preprit arXiv:1908.04577},
year={2019}
}
@iproceedigs{Zhao2021AdjacecyLO,
title={Adjacecy List Orieted Relatioal Fact Extractio via Adaptive Multi-task Learig},
author={Fubag Zhao ad Zhuore Jiag ad Yagyag Kag ad Chaglog Su ad Xiaozhog Liu},
booktitle={FINDINGS},
year={2021}
}
点击空白处退出提示
评论