README.md · zetingh/DeepIE

# DeepIE: Deep Learning  for Information Extraction

**DeepIE**： 基于深度学习的信息抽取技术（预计2020年8月31日前全部更新完毕）

## TOP

- **知乎专栏文章**：[nlp中的实体关系抽取方法总结](https://github.com/loujie0822/DeepIE/blob/jielou/docs/实体关系抽取算法总结.md)
- **知乎专栏文章**：[如何有效提升中文NER性能？词汇增强方法总结](https://zhuanlan.zhihu.com/p/142615620)
- **知乎专栏文章**：[如何解决Transformer在NER任务中效果不佳的问题？](https://zhuanlan.zhihu.com/p/137315695)

## Papers

- [ACL2020信息抽取相关论文汇总](https://github.com/loujie0822/DeepIE/blob/master/docs/ACL2020信息抽取相关论文汇总.md)
- [IJCAI2020信息抽取相关论文汇总](https://github.com/loujie0822/DeepIE/blob/master/docs/IJCAI2020_%E4%BF%A1%E6%81%AF%E6%8A%BD%E5%8F%96%E7%9B%B8%E5%85%B3%E8%AE%BA%E6%96%87%E5%90%88%E9%9B%86%20.md)
- [2019各顶会中的关系抽取论文汇总](https://github.com/loujie0822/DeepIE/blob/master/docs/2019各顶会中的关系抽取论文]汇总.md)
- [事件抽取论文汇总](https://github.com/loujie0822/DeepIE/blob/master/docs/事件抽取论文汇总.md)
- [历年来NER论文汇总](https://github.com/loujie0822/DeepIE/blob/master/docs/历年来NER论文汇总.md)

## Codes

#### 1. 实体抽取

- **各主流方法在主要中文NER数据集上的表现情况**  [具体说明](https://github.com/loujie0822/DeepIE/blob/master/docs/各主流方法在中文NER上的表现情况.md)

|                | **lexicon** | **Ontonotes** | **MSRA**  | **Resume** | **Weibo** |
| -------------- | ----------- | ------------- | --------- | ---------- | --------- |
| biLSTM         | ----        | 71.81         | 91.87     | 94.41      | 56.75     |
| Lattice  LSTM  | 词表1       | 73.88         | 93.18     | 94.46      | 58.79     |
| WC-LSTM        | 词表1       | 74.43         | 93.36     | 94.96      | 49.86     |
| LR-CNN         | 词表1       | 74.45         | 93.71     | 95.11      | 59.92     |
| CGN            | 词表2       | 74.79         | 93.47     | 94.12      | 63.09     |
| LGN            | 词表1       | 74.85         | 93.63     | 95.41      | 60.15     |
| Simple-Lexicon | 词表1       | 75.54         | 93.50     | **95.59**  | 61.24     |
| FLAT           | 词表1       | **76.45**     | 94.12     | 95.45      | 60.32     |
| FLAT           | 词表2       | 75.70         | **94.35** | 94.93      | **63.42** |
| BERT           | ----        | 80.14         | 94.95     | 95.53      | 68.20     |
| BERT+FLAT      | 词表1       | **81.82**     | **96.09** | **95.86**  | **68.55** |

- **MSRA-NER**

| 方法                                         | f          | p          | r          |
| -------------------------------------------- | ---------- | ---------- | ---------- |
| char+ lstm-crf                               | 86.18%     | 88.43%     | 83.10%     |
| char-bigram + lstm-crf                       | 91.80%     | 92.60%     | 90.34%     |
| char-bigram + adTransformer-crf              | 92.98%     | 93.25%     | 92.72%     |
| char-bigram + lexion-augment + lstm-crf      | 93.33%     | 94.26%     | 92.43%     |
| char-bigram-BERT + lstm-crf                  | 94.71%     | 95.14%     | 94.27%     |
| char-bigram-BERT + lexion-augment + lstm-crf | **95.26%** | **95.90%** | **94.63%** |

- **CCKS2019-医疗实体抽取**

| 方法                                         | f          | p          | r          |
| -------------------------------------------- | ---------- | ---------- | ---------- |
| char-bigram + lstm-crf                       | 81.76%     | 82.91%     | 80.6       |
| + domain transfer（from ccks2018 to 2019）   | 82.54%     | 83.43%     | 81.81%     |
| char-bigram + adTransformer-crf              | 82.83%     | 82.19%     | 83.49%     |
| char-bigram + lexion-augment + lstm-crf      | 82.76%     | 82.79%     | 82.72%     |
| BERT-finetune+crf                            | 83.49%     | 84.11%     | 82.89%     |
| roBERTa-finetune+crf                         | 83.66%     | 83.67%     | 83.66%     |
| char-bigram-BERT + lstm-crf                  | 83.37%     | 83.51%     | 83.22%     |
| char-bigram-BERT + lexion-augment + lstm-crf | **84.15%** | **84.29%** | **84.01%** |

- **CCKS2020-医疗实体抽取**：

(注：测试集与ccks2019一致，去除ccks2020训练集中已经在2019测试集中的样本，下列指标未做规则处理和模型融合)

| 方法                                         | f      | p      | r      |
| -------------------------------------------- | ------ | ------ | ------ |
| char-bigram + lstm-crf                       | 82.68% | 83.14% | 82.22% |
| char-bigram + lexion-augment + lstm-crf      | 83.12% | 83.10% | 83.14% |
| char-bigram-BERT + lstm-crf                  | 83.12% | 83.04% | 83.21% |
| char-bigram-BERT-RoBerta_wwm + lstm-crf      | 83.66% | 83.76% | 83.56% |
| char-bigram-BERT-XLNet + lstm-crf            | 84.12% | 83.88% | 84.36% |
| char-bigram-BERT + lexion-augment + lstm-crf | 84.50% | 84.32% | 84.67% |

- **CCKS2020-面向试验鉴定的命名实体识别任务**：TODO

#### 2. 实体关系联合抽取

[具体使用说明](https://github.com/loujie0822/DeepIE/blob/master/docs/关系抽取run说明.md)

- 2019语言与智能技术竞赛：关系抽取任务

| 方法                                       | f(dev)     | p(dev)     | r(dev)     |
| ------------------------------------------ | ---------- | ---------- | ---------- |
| multi head selection                       | 76.36      | 79.24      | 73.69      |
| ETL-BIES                                   | 77.07%     | 77.13%     | 77.06%     |
| ETL-Span                                   | 78.94%     | 80.11%     | 77.8%      |
| ETL-Span + word2vec                        | 79.99%     | 80.62%     | 79.38%     |
| ETL-Span + word2vec + adversarial training | 80.38%     | 79.95%     | 80.82%     |
| ETL-Span + BERT                            | **81.88%** | **82.35%** | **81.42%** |

- 2020语言与智能技术竞赛：关系抽取任务

| 方法            | f(dev) | p(dev) | r(dev) |
| --------------- | ------ | ------ | ------ |
| ETL-Span + BERT | 74.58  | 74.44  | 74.71  |

#### 3. 属性抽取

- **领域数据集：瑞金医院糖尿病信息抽取数据**

```
# 药物-属性
['药品-用药频率','药品-持续时间','药品-用药剂量','药品-用药方法','药品-不良反应']
# 疾病-属性
['疾病-检查方法','疾病-临床表现','疾病-非药治疗','疾病-药品名称','疾病-部位']
```

| 主体 | 方法                               | f     | p     | r     |
| ---- | ---------------------------------- | ----- | ----- | ----- |
| 疾病 | lstm+ multi-label pointer network  | 76.55 | 74.36 | 78.86 |
| 疾病 | bert + multi-label pointer network | 77.59 | 77.45 | 77.74 |
| 药物 | lstm+ multi-label pointer network  | 81.12 | 79.15 | 83.19 |

#### 4. 实体链接/标准化

#### 5.事件抽取

- **CCKS2020-医疗事件抽取**

- **CCKS2020：面向金融领域的篇章级事件主体抽取**

- **CCKS2020：面向金融领域的篇章级事件要素抽取**

#### 6.信息抽取中的低资源解决方案

## TODO-list

- [ ] 信息抽取领域的数据资源汇总：
  - 医疗
  - 金融
  - 电商
  - 法律
- [ ] 信息抽取相关竞赛汇总：
  - 百度-2020语言与智能技术竞赛：关系抽取任务
  - 百度-2020语言与智能技术竞赛：事件抽取任务
  - 百度-2019语言与智能技术竞赛：信息抽取
  - CCKS 2019 医疗命名实体识别
  - CHIP 2019 临床术语标准化任务
  - CCKS 2019 人物关系抽取
  - CCKS 2019 公众公司公告信息抽取
  - CCKS 2019 面向金融领域的事件主体抽取

- 摘要抽取

- 前沿技术在信息抽取中的应用

## Reference

zetingh/DeepIE

简介

发行版

贡献者

近期动态

zetingh/DeepIE .gitee-modal { width: 500px !important; }

简介

发行版

贡献者

近期动态

搜索帮助

zetingh/DeepIE