mirror of
https://github.com/PaddlePaddle/FastDeploy.git
synced 2025-12-24 13:28:13 +08:00
Add main page of uie (#334)
Add main page of uie; update uie cpp README
This commit is contained in:
Jack Zhou
@@ -60,6 +60,332 @@ The result:
|
||||
end: 31
|
||||
```
|
||||
|
||||
## UIE模型各抽取任务使用方式
|
||||
|
||||
在UIE模型中，schema代表要抽取的结构化信息，所以UIE模型可通过设置不同的schema支持不同信息抽取任务。
|
||||
|
||||
### 初始化UIEModel
|
||||
|
||||
```c++
|
||||
std::string model_dir = "uie-base";
|
||||
std::string model_path = model_dir + sep + "inference.pdmodel";
|
||||
std::string param_path = model_dir + sep + "inference.pdiparams";
|
||||
std::string vocab_path = model_dir + sep + "vocab.txt";
|
||||
using fastdeploy::text::SchemaNode;
|
||||
using fastdeploy::text::UIEResult;
|
||||
// 定义uie result对象
|
||||
std::vector<std::unordered_map<std::string, std::vector<UIEResult>>> results;
|
||||
|
||||
// 初始化UIE模型
|
||||
auto predictor =
|
||||
fastdeploy::text::UIEModel(model_path, param_path, vocab_path, 0.5, 128,
|
||||
{"时间", "选手", "赛事名称"}, option);
|
||||
```
|
||||
|
||||
### 实体抽取
|
||||
|
||||
初始化阶段将schema设置为```["时间", "选手", "赛事名称"]```，可对输入的文本抽取时间、选手以及赛事名称三个信息。
|
||||
|
||||
```c++
|
||||
// Named Entity Recognition
|
||||
predictor.Predict({"2月8日上午北京冬奥会自由式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！"},
|
||||
&results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 赛事名称:
|
||||
// text: 北京冬奥会自由式滑雪女子大跳台决赛
|
||||
// probability: 0.850309
|
||||
// start: 6
|
||||
// end: 23
|
||||
//
|
||||
// 时间:
|
||||
// text: 2月8日上午
|
||||
// probability: 0.985738
|
||||
// start: 0
|
||||
// end: 6
|
||||
//
|
||||
// 选手:
|
||||
// text: 谷爱凌
|
||||
// probability: 0.898155
|
||||
// start: 28
|
||||
// end: 31
|
||||
```
|
||||
|
||||
例如抽取的目标实体类型是"肿瘤的大小"、"肿瘤的个数"、"肝癌级别"和"脉管内癌栓分级", 则可编写如下语句：
|
||||
|
||||
```c++
|
||||
predictor.SetSchema(
|
||||
{"肿瘤的大小", "肿瘤的个数", "肝癌级别", "脉管内癌栓分级"});
|
||||
predictor.Predict({"（右肝肿瘤）肝细胞性肝癌（II-"
|
||||
"III级，梁索型和假腺管型），肿瘤包膜不完整，紧邻肝被膜，侵"
|
||||
"及周围肝组织，未见脉管内癌栓（MVI分级：M0级）及卫星子灶形"
|
||||
"成。（肿物1个，大小4.2×4.0×2.8cm）。"},
|
||||
&results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 脉管内癌栓分级:
|
||||
// text: M0级
|
||||
// probability: 0.908329
|
||||
// start: 67
|
||||
// end: 70
|
||||
//
|
||||
// 肝癌级别:
|
||||
// text: II-III级
|
||||
// probability: 0.924327
|
||||
// start: 13
|
||||
// end: 20
|
||||
//
|
||||
// 肿瘤的大小:
|
||||
// text: 4.2×4.0×2.8cm
|
||||
// probability: 0.834113
|
||||
// start: 87
|
||||
// end: 100
|
||||
//
|
||||
// 肿瘤的个数:
|
||||
// text: 1个
|
||||
// probability: 0.753841
|
||||
// start: 82
|
||||
// end: 84
|
||||
|
||||
```
|
||||
|
||||
### 关系抽取
|
||||
|
||||
关系抽取（Relation Extraction，简称RE），是指从文本中识别实体并抽取实体之间的语义关系，进而获取三元组信息，即<主体，谓语，客体>。
|
||||
|
||||
例如以"竞赛名称"作为抽取主体，抽取关系类型为"主办方"、"承办方"和"已举办次数", 则可编写如下语句：
|
||||
|
||||
```c++
|
||||
predictor.SetSchema(
|
||||
{SchemaNode("竞赛名称", {SchemaNode("主办方"), SchemaNode("承办方"),
|
||||
SchemaNode("已举办次数")})});
|
||||
predictor.Predict(
|
||||
{"2022语言与智能技术竞赛由中国中文信息学会和中国计算机学会联合主办，百度"
|
||||
"公司、中国中文信息学会评测工作委员会和中国计算机学会自然语言处理专委会"
|
||||
"承办，已连续举办4届，成为全球最热门的中文NLP赛事之一。"},
|
||||
&results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 竞赛名称:
|
||||
// text: 2022语言与智能技术竞赛
|
||||
// probability: 0.78254
|
||||
// start: 0
|
||||
// end: 13
|
||||
// relation:
|
||||
// 已举办次数:
|
||||
// text: 4届
|
||||
// probability: 0.46713
|
||||
// start: 80
|
||||
// end: 82
|
||||
//
|
||||
// 主办方:
|
||||
// text: 中国中文信息学会
|
||||
// probability: 0.842172
|
||||
// start: 14
|
||||
// end: 22
|
||||
//
|
||||
// text: 中国计算机学会
|
||||
// probability: 0.758081
|
||||
// start: 23
|
||||
// end: 30
|
||||
//
|
||||
// 承办方:
|
||||
// text: 百度公司
|
||||
// probability: 0.829271
|
||||
// start: 35
|
||||
// end: 39
|
||||
//
|
||||
// text: 中国中文信息学会评测工作委员会
|
||||
// probability: 0.70005
|
||||
// start: 40
|
||||
// end: 55
|
||||
//
|
||||
// text: 中国计算机学会自然语言处理专委会
|
||||
// probability: 0.619348
|
||||
// start: 56
|
||||
// end: 72
|
||||
```
|
||||
|
||||
### 事件抽取
|
||||
|
||||
事件抽取 (Event Extraction, 简称EE)，是指从自然语言文本中抽取预定义的事件触发词(Trigger)和事件论元(Argument)，组合为相应的事件结构化信息。
|
||||
|
||||
例如抽取的目标是"地震"事件的"地震强度"、"时间"、"震中位置"和"震源深度"这些信息，则可编写如下代码：
|
||||
|
||||
```c++
|
||||
predictor.SetSchema({SchemaNode(
|
||||
"地震触发词", {SchemaNode("地震强度"), SchemaNode("时间"),
|
||||
SchemaNode("震中位置"), SchemaNode("震源深度")})});
|
||||
predictor.Predict(
|
||||
{"中国地震台网正式测定：5月16日06时08分在云南临沧市凤庆县(北纬24."
|
||||
"34度，东经99.98度)发生3.5级地震，震源深度10千米。"},
|
||||
&results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 地震触发词:
|
||||
// text: 地震
|
||||
// probability: 0.997743
|
||||
// start: 56
|
||||
// end: 58
|
||||
// relation:
|
||||
// 震源深度:
|
||||
// text: 10千米
|
||||
// probability: 0.993797
|
||||
// start: 63
|
||||
// end: 67
|
||||
//
|
||||
// 震中位置:
|
||||
// text: 云南临沧市凤庆县(北纬24.34度，东经99.98度)
|
||||
// probability: 0.787402
|
||||
// start: 23
|
||||
// end: 50
|
||||
//
|
||||
// 地震强度:
|
||||
// text: 3.5级
|
||||
// probability: 0.99808
|
||||
// start: 52
|
||||
// end: 56
|
||||
//
|
||||
// 时间:
|
||||
// text: 5月16日06时08分
|
||||
// probability: 0.98533
|
||||
// start: 11
|
||||
// end: 22
|
||||
```
|
||||
|
||||
### 评论观点抽取
|
||||
|
||||
评论观点抽取，是指抽取文本中包含的评价维度、观点词。
|
||||
|
||||
例如抽取的目标是文本中包含的评价维度及其对应的观点词和情感倾向，可编写以下代码：
|
||||
|
||||
```c++
|
||||
predictor.SetSchema({SchemaNode(
|
||||
"评价维度",
|
||||
// NOTE(zhoushunjie): It's necessary to explicitly use
|
||||
// std::vector to convert initializer list of SchemaNode whose size is
|
||||
// two. If not to do so, an ambiguous compliation error will occur in
|
||||
// mac x64 platform.
|
||||
std::vector<SchemaNode>{SchemaNode("观点词"),
|
||||
SchemaNode("情感倾向[正向，负向]")})});
|
||||
predictor.Predict(
|
||||
{"店面干净，很清静，服务员服务热情，性价比很高，发现收银台有排队"},
|
||||
&results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 评价维度:
|
||||
// text: 店面
|
||||
// probability: 0.969685
|
||||
// start: 0
|
||||
// end: 2
|
||||
// relation:
|
||||
// 情感倾向[正向，负向]:
|
||||
// text: 正向
|
||||
// probability: 0.998215
|
||||
//
|
||||
// 观点词:
|
||||
// text: 干净
|
||||
// probability: 0.994532
|
||||
// start: 2
|
||||
// end: 4
|
||||
//
|
||||
// text: 性价比
|
||||
// probability: 0.981704
|
||||
// start: 17
|
||||
// end: 20
|
||||
// relation:
|
||||
// 情感倾向[正向，负向]:
|
||||
// text: 正向
|
||||
// probability: 0.996614
|
||||
//
|
||||
// 观点词:
|
||||
// text: 高
|
||||
// probability: 0.957397
|
||||
// start: 21
|
||||
// end: 22
|
||||
```
|
||||
|
||||
### 情感分类
|
||||
|
||||
句子级情感倾向分类，即判断句子的情感倾向是“正向”还是“负向”，可编写以下代码：
|
||||
|
||||
```c++
|
||||
predictor.SetSchema(SchemaNode("情感倾向[正向，负向]"));
|
||||
predictor.Predict({"这个产品用起来真的很流畅，我非常喜欢"}, &results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 情感倾向[正向，负向]:
|
||||
// text: 正向
|
||||
// probability: 0.999002
|
||||
```
|
||||
|
||||
### 跨任务抽取
|
||||
|
||||
例如在法律场景同时对文本进行实体抽取和关系抽取，可编写以下代码：
|
||||
|
||||
```c++
|
||||
predictor.SetSchema({SchemaNode("法院", {}),
|
||||
SchemaNode("原告", {SchemaNode("委托代理人")}),
|
||||
SchemaNode("被告", {SchemaNode("委托代理人")})});
|
||||
predictor.Predict({"北京市海淀区人民法院\n民事判决书\n(199x)"
|
||||
"建初字第xxx号\n原告：张三。\n委托代理人李四，北京市 "
|
||||
"A律师事务所律师。\n被告：B公司，法定代表人王五，开发公司"
|
||||
"总经理。\n委托代理人赵六，北京市 C律师事务所律师。"},
|
||||
&results);
|
||||
std::cout << results << std::endl;
|
||||
results.clear();
|
||||
// 示例输出
|
||||
// The result:
|
||||
// 被告:
|
||||
// text: B公司
|
||||
// probability: 0.843735
|
||||
// start: 64
|
||||
// end: 67
|
||||
// relation:
|
||||
// 委托代理人:
|
||||
// text: 赵六
|
||||
// probability: 0.726712
|
||||
// start: 90
|
||||
// end: 92
|
||||
//
|
||||
// 法院:
|
||||
// text: 北京市海淀区人民法院
|
||||
// probability: 0.922107
|
||||
// start: 0
|
||||
// end: 10
|
||||
//
|
||||
// 原告:
|
||||
// text: 张三
|
||||
// probability: 0.994981
|
||||
// start: 35
|
||||
// end: 37
|
||||
// relation:
|
||||
// 委托代理人:
|
||||
// text: 李四
|
||||
// probability: 0.795686
|
||||
// start: 44
|
||||
// end: 46
|
||||
```
|
||||
|
||||
## UIEModel C++接口
|
||||
|
||||
### SchemaNode 结构
|
||||
@@ -143,4 +469,4 @@ void Predict(
|
||||
|
||||
[UIE模型导出方法](https://github.com/PaddlePaddle/PaddleNLP/blob/develop/model_zoo/uie/README.md#%E6%A8%A1%E5%9E%8B%E9%83%A8%E7%BD%B2)
|
||||
|
||||
[UIE C++部署方法](../cpp/README.md)
|
||||
[UIE Python部署方法](../python/README.md)
|
||||
|
||||
Reference in New Issue
Block a user