English | 简体中文
DeepKE 是一个开源的知识图谱抽取与构建工具，支持cnSchema、低资源、长篇章、多模态的知识抽取工具，可以基于PyTorch实现命名实体识别、关系抽取和属性抽取功能。同时为初学者提供了用户手册, 文档，Google Colab教程, 在线演示, 论文和演示文稿。
- ❗想用大模型做抽取吗？试试DeepKE-LLM！
- ❗想自己全监督训抽取模型吗？试试快速上手, 我们提供实体识别模型 (例如LightNER(COLING'22), W2NER(AAAI'22))、关系抽取模型(例如KnowPrompt(WWW'22))、实体关系联合抽取模型(例如ASP(EMNLP'22), PRGC(ACL'21), PURE(NAACL'21)), 和基于cnSchema的开箱即用模型DeepKE-cnSchema！
-
2023年6月为DeepKE-LLM新增多个大模型(如ChatGLM, LLaMA-series)支持和提供抽取优化的大模型CaMA。 -
2023年4月新增实体关系抽取模型CP-NER(IJCAI'23), ASP(EMNLP'22), PRGC(ACL'21), PURE(NAACL'21), 支持事件抽取(中文、英文), 提供对Python库高级版本的支持 (例如Transformers)。 -
2023年2月支持大模型 (GPT-3)，包含In-context Learning (基于 EasyInstruct)和数据生成，新增实体识别模型W2NER(AAAI'22)。
旧版新闻
-
2022年11月新增实体识别、关系抽取的数据标注说明和弱监督数据自动标注(实体识别、关系抽取)功能，优化多GPU训练。 -
2022年9月论文 DeepKE: A Deep Learning Based Knowledge Extraction Toolkit for Knowledge Base Population被EMNLP2022 System Demonstration Track录用。 -
2022年5月发布DeepKE-cnschema特别版模型，支持基于cnSchema的开箱即用的中文实体识别和关系抽取。 -
2022年1月发布论文 DeepKE: A Deep Learning Based Knowledge Extraction Toolkit for Knowledge Base Population -
2021年12月加入dockerfile以便自动创建环境 -
2021年11月发布DeepKE demo页面，支持实时抽取，无需部署和训练模型 -
发布DeepKE文档，包含DeepKE源码和数据集等详细信息
-
2021年10月pip install deepke -
deepke-v2.0发布
-
2019年8月pip install deepke -
deepke-v1.0发布
-
2018年8月DeepKE项目启动，deepke-v0.1代码发布
下面使用一个demo展示预测过程。该动图由Terminalizer生成，生成代码可点击获取。
Deepke的架构图如下所示
- DeepKE为三个知识抽取功能（命名实体识别、关系抽取和属性抽取）设计了一个统一的框架
- 可以在不同场景下实现不同功能。比如，可以在标准全监督、低资源少样本、文档级和多模态设定下进行关系抽取
- 每一个应用场景由三个部分组成：Data部分包含Tokenizer、Preprocessor和Loader，Model部分包含Module、Encoder和Forwarder，Core部分包含Training、Evaluation和Prediction
大模型时代, DeepKE-LLM采用全新的环境依赖
conda create -n deepke-llm python=3.9
conda activate deepke-llm
cd example/llm
pip install -r requirements.txt
注意！！是example/llm文件夹下的 requirements.txt
DeepKE支持pip安装使用，以常规全监督设定关系抽取为例，经过以下6个步骤就可以实现一个常规关系抽取模型
Step 1：下载代码 git clone --depth 1 https://github.com/zjunlp/DeepKE.git（别忘记star和fork哈！！！）
Step 2：使用anaconda创建虚拟环境，进入虚拟环境（提供Dockerfile源码和教程可自行创建镜像；可参考备注（常见问题）使用镜像加速）
conda create -n deepke python=3.8
conda activate deepke
1） 基于pip安装，直接使用
pip install deepke
2） 基于源码安装 (强烈建议使用源码安装)
python setup.py install
python setup.py develop
Step 3 ：进入任务文件夹，以常规关系抽取为例
cd DeepKE/example/re/standard
Step 4：下载数据集，或根据数据标注说明标注数据
wget 120.27.214.45/Data/re/standard/data.tar.gz
tar -xzvf data.tar.gz
支持多种数据类型格式，具体请见各部分子README。
Step 5 ：模型训练，训练用到的参数可在conf文件夹内修改
DeepKE使用wandb支持可视化调参
python run.py
Step 6 ：模型预测。预测用到的参数可在conf文件夹内修改
修改conf/predict.yaml中保存训练好的模型路径。需使用模型的绝对路径。如xxx/checkpoints/2019-12-03_17-35-30/cnn_epoch21.pth。
python predict.py
- ❗注意: 如果您在安装或使用过程中遇到任何问题，您可以查看备注（常见问题） 或提交 GitHub issue.
python == 3.9
- torch==1.13.0
- accelerate==0.17.1
- transformers==4.28.1
- bitsandbytes==0.37.2
- peft==0.2.0
- gradio
- datasets
- sentencepiece
- fire
python == 3.8
- torch == 1.5
- hydra-core == 1.0.6
- tensorboard == 2.4.1
- matplotlib == 3.4.1
- transformers == 3.4.0
- jieba == 0.42.1
- scikit-learn == 0.24.1
- seqeval == 1.2.2
- tqdm == 4.60.0
- opt-einsum==3.3.0
- ujson
-
命名实体识别是从非结构化的文本中识别出实体和其类型。数据为txt文件，样式范例为(用户可以基于工具Doccano、MarkTool标注数据，也可以通过DeepKE自带的弱监督功能自动得到数据)：
Sentence Person Location Organization 本报北京9月4日讯记者杨涌报道：部分省区人民日报宣传发行工作座谈会9月3日在4日在京举行。 杨涌 北京 人民日报 《红楼梦》由王扶林导演，周汝昌、王蒙、周岭等多位专家参与制作。 王扶林，周汝昌，王蒙，周岭 秦始皇兵马俑位于陕西省西安市,是世界八大奇迹之一。 秦始皇 陕西省，西安市 -
具体流程请进入详细的README中
-
我们还提供了大模型支持和开箱即用的DeepKE-cnSchema特别版，无需训练即可抽取支持cnSchema的实体
Step1: 进入
DeepKE/example/ner/standard，下载数据集wget 120.27.214.45/Data/ner/standard/data.tar.gz tar -xzvf data.tar.gz
Step2: 模型训练
数据集和参数配置可以分别在
data和conf文件夹中修改python run.pyStep3: 模型预测
python predict.py -
Step1: 进入
DeepKE/example/ner/few-shot，下载数据集wget 120.27.214.45/Data/ner/few_shot/data.tar.gz tar -xzvf data.tar.gz
Step2：低资源场景下训练模型
模型加载和保存位置以及参数配置可以在
conf文件夹中修改python run.py +train=few_shot若要加载模型，修改
few_shot.yaml中的load_path；Step3：在
config.yaml中追加- predict，predict.yaml中修改load_path为模型路径以及write_path为预测结果的保存路径，完成修改后使用python predict.py -
Step1: 进入
DeepKE/example/ner/multimodal， 下载数据集wget 120.27.214.45/Data/ner/multimodal/data.tar.gz tar -xzvf data.tar.gz
我们在原始图像上使用faster_rcnn和visual grounding工具分别抽取RCNN objects和visual grounding objects来作为局部视觉信息
Step2 多模态场景下训练模型
- 数据集和参数配置可以分别进入
data和conf文件夹中修改 - 如需从上次训练的模型开始训练：设置
conf/train.yaml中的load_path为上次保存模型的路径，每次训练的日志默认保存在根目录，可用log_dir来配置
python run.py
Step3 模型预测
python predict.py
- 数据集和参数配置可以分别进入
-
-
关系抽取是从非结构化的文本中抽取出实体之间的关系，以下为几个样式范例，数据为csv文件(用户可以基于工具Doccano、MarkTool标注数据，也可以通过DeepKE自带的弱监督功能自动得到数据)：
Sentence Relation Head Head_offset Tail Tail_offset 《岳父也是爹》是王军执导的电视剧，由马恩然、范明主演。 导演 岳父也是爹 1 王军 8 《九玄珠》是在纵横中文网连载的一部小说，作者是龙马。 连载网站 九玄珠 1 纵横中文网 7 提起杭州的美景，西湖总是第一个映入脑海的词语。 所在城市 西湖 8 杭州 2 -
❗NOTE: 如果您使用的同一个关系存在多种实体类型，可以采取对实体类型加关系前缀的方式构造输入。
-
具体流程请进入详细的README中，RE包括了以下三个子功能
-
我们还提供了大模型支持和开箱即用的DeepKE-cnSchema特别版，无需训练即可抽取支持cnSchema的关系
Step1：进入
DeepKE/example/re/standard，下载数据集wget 120.27.214.45/Data/re/standard/data.tar.gz tar -xzvf data.tar.gz
Step2：模型训练
数据集和参数配置可以分别进入
data和conf文件夹中修改python run.pyStep3：模型预测
python predict.py -
Step1：进入
DeepKE/example/re/few-shot，下载数据集wget 120.27.214.45/Data/re/few_shot/data.tar.gz tar -xzvf data.tar.gz
Step2：模型训练
-
数据集和参数配置可以分别进入
data和conf文件夹中修改 -
如需从上次训练的模型开始训练：设置
conf/train.yaml中的train_from_saved_model为上次保存模型的路径，每次训练的日志默认保存在根目录，可用log_dir来配置
python run.pyStep3：模型预测
python predict.py -
-
Step1：进入
DeepKE/example/re/document，下载数据集wget 120.27.214.45/Data/re/document/data.tar.gz tar -xzvf data.tar.gz
Step2：模型训练
- 数据集和参数配置可以分别进入
data和conf文件夹中修改 - 如需从上次训练的模型开始训练：设置
conf/train.yaml中的train_from_saved_model为上次保存模型的路径，每次训练的日志默认保存在根目录，可用log_dir来配置；
python run.pyStep3：模型预测
python predict.py - 数据集和参数配置可以分别进入
-
Step1: 进入
DeepKE/example/re/multimodal， 下载数据集wget 120.27.214.45/Data/re/multimodal/data.tar.gz tar -xzvf data.tar.gz
我们在原始图像上使用faster_rcnn和visual grounding工具分别抽取RCNN objects和visual grounding objects来作为局部视觉信息
Step2 模型训练
- 数据集和参数配置可以分别进入
data和conf文件夹中修改 - 如需从上次训练的模型开始训练：设置
conf/train.yaml中的load_path为上次保存模型的路径，每次训练的日志默认保存在根目录，可用log_dir来配置
python run.py
Step3 模型预测
python predict.py
- 数据集和参数配置可以分别进入
-
-
数据为csv文件，样式范例为：
Sentence Att Ent Ent_offset Val Val_offset 张冬梅，女，汉族，1968年2月生，河南淇县人 民族 张冬梅 0 汉族 6 诸葛亮，字孔明，三国时期杰出的军事家、文学家、发明家。 朝代 诸葛亮 0 三国时期 8 2014年10月1日许鞍华执导的电影《黄金时代》上映 上映时间 黄金时代 19 2014年10月1日 0 -
具体流程请进入详细的README中
-
Step1：进入
DeepKE/example/ae/standard，下载数据集wget 120.27.214.45/Data/ae/standard/data.tar.gz tar -xzvf data.tar.gz
Step2：模型训练
数据集和参数配置可以分别进入
data和conf文件夹中修改python run.pyStep3：模型预测
python predict.py
-
-
事件抽取是指从一段无结构化的文本中抽取出某个事件的事件类型、事件触发词、论元角色以及论元。
-
数据为
.tsv文件，样例为：Sentence Event type Trigger Role Argument 据《欧洲时报》报道，当地时间27日，法国巴黎卢浮宫博物馆员工因不满工作条件恶化而罢工，导致该博物馆也因此闭门谢客一天。 组织行为-罢工 罢工 罢工人员 法国巴黎卢浮宫博物馆员工 时间 当地时间27日 所属组织 法国巴黎卢浮宫博物馆 中国外运2019年上半年归母净利润增长17%：收购了少数股东股权 财经/交易-出售/收购 收购 出售方 少数股东 收购方 中国外运 交易物 股权 美国亚特兰大航展13日发生一起表演机坠机事故，飞行员弹射出舱并安全着陆，事故没有造成人员伤亡。 灾害/意外-坠机 坠机 时间 13日 地点 美国亚特兰
-
具体流程请进入详细的README中
-
Step1：进入
DeepKE/example/ee/standard，下载数据集wget 120.27.214.45/Data/ee/DuEE.zip unzip DuEE.zip
Step2：模型训练
数据集和参数配置可以分别进入
data和conf文件夹中修改python run.pyStep3：模型预测
python predict.py
-
本工具提供了若干Notebook和Google Colab教程，用户可针对性调试学习。
-
常规设定：
-
低资源：
-
篇章级：
-
多模态：
1.使用 Anaconda 时，建议添加国内镜像，下载速度更快。如镜像。
2.使用 pip 时，建议使用国内镜像，下载速度更快，如阿里云镜像。
3.安装后提示 ModuleNotFoundError: No module named 'past'，输入命令 pip install future 即可解决。
4.使用语言预训练模型时，在线安装下载模型比较慢，更建议提前下载好，存放到 pretrained 文件夹内。具体存放文件要求见文件夹内的 README.md。
5.DeepKE老版本位于deepke-v1.0分支，用户可切换分支使用老版本，老版本的能力已全部迁移到标准设定关系抽取(example/re/standard)中。
6.推荐使用python setup.py install方式安装DeepKE,如未使用该方式安装，源码修改部分不会生效,见问题
7.更多的低资源抽取工作可查阅论文 Knowledge Extraction in Low-Resource Scenarios: Survey and Perspective.
8.确保使用requirements.txt中对应的各依赖包的版本。
- 在DeepKE的下一个版本中发布中英双语抽取大模型
- 我们提供长期技术维护和答疑解惑。如有疑问，请提交issues
Data-Efficient Knowledge Graph Construction, 高效知识图谱构建 (Tutorial on CCKS 2022) [slides]
Efficient and Robust Knowledge Graph Construction (Tutorial on AACL-IJCNLP 2022) [slides]
PromptKG Family: a Gallery of Prompt Learning & KG-related Research Works, Toolkits, and Paper-list [Resources]
Knowledge Extraction in Low-Resource Scenarios: Survey and Perspective [Survey][Paper-list]
基于大模型提示学习的推理工作综述 [论文][列表][ppt]
Doccano、MarkTool、LabelStudio：实体识别关系抽取数据标注工具
LambdaKG: 基于预训练语言模型的知识图谱表示与应用工具
EasyInstruct: 一个基于指令使用大模型的工具
如果使用DeepKE，请按以下格式引用
@inproceedings{DBLP:conf/emnlp/ZhangXTYYQXCLL22,
author = {Ningyu Zhang and
Xin Xu and
Liankuan Tao and
Haiyang Yu and
Hongbin Ye and
Shuofei Qiao and
Xin Xie and
Xiang Chen and
Zhoubo Li and
Lei Li},
editor = {Wanxiang Che and
Ekaterina Shutova},
title = {DeepKE: {A} Deep Learning Based Knowledge Extraction Toolkit for Knowledge
Base Population},
booktitle = {Proceedings of the The 2022 Conference on Empirical Methods in Natural
Language Processing, {EMNLP} 2022 - System Demonstrations, Abu Dhabi,
UAE, December 7-11, 2022},
pages = {98--108},
publisher = {Association for Computational Linguistics},
year = {2022},
url = {https://aclanthology.org/2022.emnlp-demos.10},
timestamp = {Thu, 23 Mar 2023 16:56:00 +0100},
biburl = {https://dblp.org/rec/conf/emnlp/ZhangXTYYQXCLL22.bib},
bibsource = {dblp computer science bibliography, https://dblp.org}
}浙江大学：张宁豫、陶联宽、徐欣、桂鸿浩、王潇寒、习泽坤、李欣荣、余海阳、叶宏彬、乔硕斐、王鹏、朱雨琦、谢辛、陈想、黎洲波、李磊、梁孝转、姚云志、陈静、朱雨琦、邓淑敏、张文、郑国轴、陈华钧
开源社区贡献者: thredreams, eltociear
阿里巴巴：熊飞宇、陈强
阿里巴巴达摩院：张珍茹、谭传奇、黄非
实习生：徐子文、黄睿、翁晓龙