Entity-Relation-Extraction
Entity-Relation-Extraction 是一款基于 TensorFlow 和 BERT 打造的开源工具，专注于从中文文本中自动化抽取“实体 - 关系 - 实体”三元组知识。它主要解决了非结构化文本难以转化为结构化知识的难题，能够精准识别句子中符合特定约束（Schema）的主体、客体及其相互关系，例如从“《古世》作者是未弱”中提取出完整的知识图谱数据。
该方案曾是 2019 语言与智能技术竞赛（SKE 任务）的优胜解决方案，处理过业界大规模中文信息抽取数据集。其核心技术亮点在于采用高效的“管道式”架构：首先利用多标签分类模型判断句子可能包含的关系类型，随后结合序列标注模型精确定位实体位置，最终整合输出标准化的三元组列表。这种分步策略既保证了准确率，又具备良好的可解释性。
Entity-Relation-Extraction 非常适合自然语言处理（NLP）领域的研究人员、算法工程师及开发者使用。无论是希望复现经典竞赛方案、深入研究信息抽取机制，还是需要在知识图谱构建、智能问答系统等实际项目中落地实体关系抽取功能，它都提供了一个成熟且易于扩展的代码基准。项目文档详尽，涵盖了从环境配置、数据准备到模型训练的全流程指引，帮助用户快速上手并应用于自己的业务场景。
使用场景
某大型法律咨询平台的技术团队正致力于从海量裁判文书中自动构建“案件 - 法条 - 判决”知识图谱，以支持智能类案推送。
没有 Entity-Relation-Extraction 时
- 人工标注成本极高：面对数十万份判决书，依赖法务人员手动提取“原告”、“被告”、“涉案罪名”等实体及其关系，耗时数月且难以规模化。
- 规则泛化能力差：传统的正则表达式或简单 NLP 规则无法应对法律文书中复杂的句式变化，导致大量隐含关系（如“连带赔偿责任”）被漏检。
- 数据结构混乱：提取出的信息是非结构化的文本片段，缺乏统一的 Schema 约束，无法直接存入图数据库进行关联查询。
- 模型训练门槛高：团队缺乏从零搭建基于 BERT 的管道式抽取模型的精力，难以平衡关系分类与序列标注的联合优化。
使用 Entity-Relation-Extraction 后
- 自动化高效抽取：利用其基于 TensorFlow 和 BERT 的管道架构，系统能自动判断句子关系类型并精准标注实体，将原本数月的标注工作缩短至几天。
- 复杂语义精准识别：通过多标签分类与序列标注的结合，模型能有效识别长句中嵌套的复杂法律关系，显著提升了“主体 - 谓语 - 客体”三元组的召回率。
- 标准化知识输出：严格遵循预定义的 Schema 约束（如限定主体为“人物”、关系为“创始人”），直接输出标准化的 SPO 三元组列表，无缝对接后端知识库。
- 开箱即用的竞赛级方案：直接复用 2019 语言与智能技术竞赛的成熟解决方案，无需重复造轮子，团队可快速聚焦于业务逻辑适配而非底层算法研发。
Entity-Relation-Extraction 通过将非结构化法律文本转化为高质量的标准化知识三元组，极大地降低了领域知识图谱的构建成本与周期。
运行环境要求
- 未说明
未说明 (基于 TensorFlow 1.12.0，通常建议配备支持 CUDA 的 NVIDIA GPU 以加速 BERT 模型训练)
未说明
快速开始
实体-关系抽取
基于 TensorFlow 的实体及关系抽取。2019语言与智能技术竞赛信息抽取（实体与关系抽取）任务解决方案。
如果你对信息抽取论文研究感兴趣，可以查看我的博客 望江人工智库 信息抽取。
摘要
该代码以管道式的方式处理实体及关系抽取任务，首先使用一个多标签分类模型判断句子的关系种类，然后把句子和可能的关系种类输入序列标注模型中，序列标注模型标注出句子中的实体，最终结合预测的关系和实体输出实体-关系列表：（实体1，关系，实体2）。
The code deals with entity and relationship extraction tasks in a pipeline way. First, a multi-label classification model is used to judge the relationship types of sentences. Then, the sentence and possible relationship types are input into the sequence labeling model. The sequence labeling model labels the entities in sentences, and finally combines the predicted relationship with the entity output entity-relationship list: (entity 1, relationship, entity 2).
整个实体关系抽取代码的具体细节和运行过程可以阅读 bert实践:关系抽取解读，如果还有疑问或者想法欢迎提Issues :smile:
2019语言与智能技术竞赛
more info:
- 2019语言与智能技术竞赛
- 比赛对应的论坛语言与智能高峰论坛
- 比赛对应的会议 NLPCC 2019
竞赛任务
给定schema约束集合及句子sent，其中schema定义了关系P以及其对应的主体S和客体O的类别，例如（S_TYPE:人物，P:妻子，O_TYPE:人物）、（S_TYPE:公司，P:创始人，O_TYPE:人物）等。 任务要求参评系统自动地对句子进行分析，输出句子中所有满足schema约束的SPO三元组知识Triples=[(S1, P1, O1), (S2, P2, O2)…]。 输入/输出: (1) 输入:schema约束集合及句子sent (2) 输出:句子sent中包含的符合给定schema约束的三元组知识Triples
例子
输入句子： "text": "《古世》是连载于云中书城的网络小说，作者是未弱"
输出三元组： "spo_list": [{"predicate": "作者", "object_type": "人物", "subject_type": "图书作品", "object": "未弱", "subject": "古世"}, {"predicate": "连载网站", "object_type": "网站", "subject_type": "网络小说", "object": "云中书城", "subject": "古世"}]}
数据简介
本次竞赛使用的SKE数据集是业界规模最大的基于schema的中文信息抽取数据集，其包含超过43万三元组数据、21万中文句子及50个已定义好的schema，表1中展示了SKE数据集中包含的50个schema及对应的例子。数据集中的句子来自百度百科和百度信息流文本。数据集划分为17万训练集，2万验证集和2万测试集。其中训练集和验证集用于训练，可供自由下载，测试集分为两个，测试集1供参赛者在平台上自主验证，测试集2在比赛结束前一周发布，不能在平台上自主验证，并将作为最终的评测排名。
入门指南
环境要求
- python 3.6+
- Tensorflow 1.12.0+
第一步：环境准备
- 安装 Tensorflow
- 下载 bert-base, chinese, 解压文件并将其放入
pretrained_model文件夹中。
第二步：下载训练数据、开发数据和schema文件
请从 竞赛官网 下载训练数据、开发数据和schema文件，然后解压并将它们放入 ./raw_data/ 文件夹中。
cd data
unzip train_data.json.zip
unzip dev_data.json.zip
...
官方数据下载地址 baidu
目前不再提供原始数据下载，如有任何疑问，请联系我的邮箱 wangzichaochaochao@gmail.com
关系分类模型和实体序列标注模型可以同时训练，但是只能依次预测！
训练阶段
准备关系分类数据
python bin/predicate_classifiction/predicate_data_manager.py
关系分类模型训练
python run_predicate_classification.py \
--task_name=SKE_2019 \
--do_train=true \
--do_eval=false \
--data_dir=bin/predicate_classifiction/classification_data \
--vocab_file=pretrained_model/chinese_L-12_H-768_A-12/vocab.txt \
--bert_config_file=pretrained_model/chinese_L-12_H-768_A-12/bert_config.json \
--init_checkpoint=pretrained_model/chinese_L-12_H-768_A-12/bert_model.ckpt \
--max_seq_length=128 \
--train_batch_size=32 \
--learning_rate=2e-5 \
--num_train_epochs=6.0 \
--output_dir=./output/predicate_classification_model/epochs6/
准备序列标注数据
python bin/subject_object_labeling/sequence_labeling_data_manager.py
序列标注模型训练
python run_sequnce_labeling.py \
--task_name=SKE_2019 \
--do_train=true \
--do_eval=false \
--data_dir=bin/subject_object_labeling/sequence_labeling_data \
--vocab_file=pretrained_model/chinese_L-12_H-768_A-12/vocab.txt \
--bert_config_file=pretrained_model/chinese_L-12_H-768_A-12/bert_config.json \
--init_checkpoint=pretrained_model/chinese_L-12_H-768_A-12/bert_model.ckpt \
--max_seq_length=128 \
--train_batch_size=32 \
--learning_rate=2e-5 \
--num_train_epochs=9.0 \
--output_dir=./output/sequnce_labeling_model/epochs9/
预测阶段
关系分类模型预测
python run_predicate_classification.py \
--task_name=SKE_2019 \
--do_predict=true \
--data_dir=bin/predicate_classifiction/classification_data \
--vocab_file=pretrained_model/chinese_L-12_H-768_A-12/vocab.txt \
--bert_config_file=pretrained_model/chinese_L-12_H-768_A-12/bert_config.json \
--init_checkpoint=output/predicate_classification_model/epochs6/model.ckpt-27000 \
--max_seq_length=128 \
--output_dir=./output/predicate_infer_out/epochs6/ckpt27000
把关系分类模型预测结果转换成序列标注模型的预测输入
python bin/predicate_classifiction/prepare_data_for_labeling_infer.py
序列标注模型预测
python run_sequnce_labeling.py \
--task_name=SKE_2019 \
--do_predict=true \
--data_dir=bin/subject_object_labeling/sequence_labeling_data \
--vocab_file=pretrained_model/chinese_L-12_H-768_A-12/vocab.txt \
--bert_config_file=pretrained_model/chinese_L-12_H-768_A-12/bert_config.json \
--init_checkpoint=output/sequnce_labeling_model/epochs9/model.ckpt-22000 \
--max_seq_length=128 \
--output_dir=./output/sequnce_infer_out/epochs9/ckpt22000
生成实体-关系结果
python produce_submit_json_file.py
评估阶段
注意！官方提供的测试数据集 test1_data_postag.json 没有提供标签，所以只能提交给官方评测。 如果要自行评测模型效果：
predicate_data_manager.py set: Competition_Mode = False
然后运行：bin/evaluation 中的评测文件
提交给官方评测的部分实验结果
| 分类模型 | 序列标注模型 | 准确率 | 召回率 | F1值 |
|---|---|---|---|---|
| epochs6ckpt1000 | epochs9ckpt4000 | 0.8549 | 0.7028 | 0.7714 |
| epochs6ckpt13000 | epochs9ckpt10000 | 0.8694 | 0.7188 | 0.7869 |
| epochs6ckpt20000 | epochs9ckpt17000 | 0.8651 | 0.738 | 0.7965 |
| epochs6ckpt23000 | epochs9ckpt20000 | 0.8714 | 0.7289 | 0.7938 |
该任务的其它解决方案
- Baidu Official Baseline Model(Python2.7)
- Baseline Model(Python3)
- Multiple-Relations-Extraction-Only-Look-Once
- Schema-based-Knowledge-Extraction
“信息抽取”任务冠军队伍报告
89.3% F1 在测试集，投入使用效果 87.1% F1，单模型，与本代码原理一致（见本资源Abstract部分）。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。