CGRE是一种基于生成的实体关系抽取模型

·采用BART作为主干网络的中文端到端关系抽取模型，达到业界领先水平

·使用来自中文百科的远程监督数据进行训练，基于fnlp/bart-base-chinese检查点进行预训练

·在多个中文关系抽取数据集上表现优异，包括DuIE~1.0、DuIE~2.0、HacRED等

·使用简便，如同常规的生成任务

·输入为句子，输出为线性化的三元组。例如：输入"姚明是一名NBA篮球运动员"，输出"[subj]姚明[obj]NBA[rel]公司[obj]篮球运动员[rel]职业"

使用方法：

from transformers import BertTokenizer, BartForConditionalGeneration

model_name = 'fnlp/bart-base-chinese'

tokenizer_kwargs = { "use_fast": True, "additional_special_tokens": ['', '', ''], } # 若模型卡片中未显示特殊标记，请查阅README文件

tokenizer = BertTokenizer.from_pretrained(model_name, **tokenizer_kwargs)

model = BartForConditionalGeneration.from_pretrained('./CGRE_CNDBPedia-Generative-Relation-Extraction')

inputs = tokenizer(sent, max_length=max_source_length, padding="max_length", truncation=True, return_tensors="pt")

params = {"decoder_start_token_id":0,"early_stopping":False,"no_repeat_ngram_size":0,"length_penalty": 0,"num_beams":20,"use_cache":True}

out_id = model.generate(inputs["input_ids"], attention_mask = inputs["attention_mask"], max_length=max_target_length, **params)