目录
main
分支6
标签14
+ 疑修
Web IDE
zxlzr
Add LICENSE
8天前1707次提交
README_CN.md

Documentation PyPI GitHub Documentation Open In Colab

English | 简体中文

基于深度学习的开源中文知识图谱抽取框架

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文档，在线演示, 论文, 演示文稿和海报。

如果您在安装DeepKE和DeepKE-LLM中遇到任何问题（一般是包的版本兼容性问题）不用心急，您可以查阅常见问题或直接提Issue，我们会尽全力帮助您解决问题！

目录


新版特性

  • 2025年6月 我们将MCP服务集成到DeepKE中，实现通过大语言模型（LLMs）作为工具调用者来完成轻量模型的知识抽取。
  • 2024年12月 我们开源了OneKE知识抽取框架，支持基于大语言模型的多智能体在不同场景下的知识抽取。
  • 2024年4月发布中英双语大模型知识抽取框架OneKE，同时开源基于Chinese-Alpaca-2-13B全参数微调的版本。
  • 2024年2月 发布大规模(0.32B tokens)双语(中文和英文)信息抽取(IE)指令数据集IEPile, 以及基于 IEPile 训练的两个模型baichuan2-13b-iepile-lora、llama2-13b-iepile-lora。
  • 2023年9月 为基于指令的知识图谱构建任务(Instruction-based KGC)发布了一个中英双语信息抽取(IE)指令数据集 InstructIE, 具体参见此处。
  • 2023年6月 为DeepKE-LLM新增多个大模型(如ChatGLM、LLaMA系列、GPT系列、抽取大模型智析)支持。
  • 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6月 新增支持多模态场景的实体抽取、关系抽取功能。

  • 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

预测演示

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。


模型架构

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

快速上手

DeepKE-LLM

大模型时代, DeepKE-LLM采用全新的环境依赖，强烈建议使用linux环境安装

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-MCP-Tools

我们将MCP（模型调用协议）服务工具集成到DeepKE中，实现通过大语言模型（LLMs）作为工具调用者来完成轻量模型的知识抽取。

  • MCP在线服务已部署在在线平台中。
  • 对于本地部署，请参考README来完成详细的步骤。

DeepKE

  • DeepKE支持pip安装使用，下以常规关系抽取场景为例
  • DeepKE支持手动环境部署与容器部署，您可任选一种方法进行安装
  • 强烈建议使用linux环境安装！

    🔧 手动环境部署

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 （不建议使用此方法，存在python包兼容冲突风险）

pip install deepke
  • 请确保您当前的pip版本<=24.0

2） 基于源码安装

pip install -r requirements.txt

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 121.41.117.246:8080/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.

🐳 基于容器部署

Step1 下载Docker客户端

从官网下载Docker客户端并启动Docker服务

Step2 拉取镜像并运行容器

docker pull zjunlp/deepke:latest
docker run -it zjunlp/deepke:latest /bin/bash

剩余步骤同手动环境部署一节中的Step 3及后续步骤相同

  • ❗注意: 您可以参考 Tips 来加速您的部署

环境依赖

DeepKE

python == 3.8

  • torch>=1.5,<=1.11
  • hydra-core==1.0.6
  • tensorboard==2.4.1
  • matplotlib==3.4.1
  • transformers==4.26.0
  • jieba==0.42.1
  • scikit-learn==0.24.1
  • seqeval==1.2.2
  • opt-einsum==3.3.0
  • wandb==0.12.7
  • ujson==5.6.0
  • huggingface_hub==0.11.0
  • tensorboardX==2.5.1
  • nltk==3.8
  • protobuf==3.20.1
  • numpy==1.21.0
  • ipdb==0.13.11
  • pytorch-crf==0.7.2
  • tqdm==4.66.1
  • openai==0.28.0
  • Jinja2==3.1.2
  • datasets==2.13.2
  • pyhocon==0.3.60

具体功能介绍

1. 命名实体识别NER

  • 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

    • 常规全监督STANDARD

      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 121.41.117.246:8080/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.py

      Step3: 模型预测

      python predict.py

    • 少样本FEW-SHOT

      Step1: 进入DeepKE/example/ner/few-shot，下载数据集

      wget 121.41.117.246:8080/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

    • 多模态

      Step1: 进入 DeepKE/example/ner/multimodal， 下载数据集

      wget 121.41.117.246:8080/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

2. 关系抽取RE

  • 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

    • 常规全监督STANDARD

      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 121.41.117.246:8080/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.py

      Step3：模型预测

      python predict.py

    • 少样本FEW-SHOT

      Step1：进入DeepKE/example/re/few-shot，下载数据集

      wget 121.41.117.246:8080/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.py

      Step3：模型预测

      python predict.py

    • 文档级DOCUMENT

      Step1：进入DeepKE/example/re/document，下载数据集

      wget 121.41.117.246:8080/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.py

      Step3：模型预测

      python predict.py

    • 多模态

      Step1: 进入 DeepKE/example/re/multimodal， 下载数据集

      wget 121.41.117.246:8080/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

3. 属性抽取AE

  • 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

    • 常规全监督STANDARD

      Step1：进入DeepKE/example/ae/standard，下载数据集

      wget 121.41.117.246:8080/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.py

      Step3：模型预测

      python predict.py

4.事件抽取

  • 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

    • 常规全监督STANDARD

      Step1：进入DeepKE/example/ee/standard，下载数据集

      wget 121.41.117.246:8080/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.py

      Step3：模型预测

      python predict.py

备注（常见问题）

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.如果您需要在源码的基础上进行修改，建议使用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。


未来计划

  • 在DeepKE的下一个版本中发布优化后的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

阅读资料

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]

相关工具

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

引用

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}
}

项目贡献人员

张宁豫、王昊奋、黄非、熊飞宇、陶联宽、徐欣、桂鸿浩、张珍茹、谭传奇、陈强、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、罗玉洁、邓淑敏、张文、郑国轴、陈华钧

开源社区贡献者: 沈硕、邵洲天、胡伟、thredreams、eltociear、徐子文、黄睿、翁晓龙

其它知识抽取开源工具

关于

知识图谱构建与信息抽取框架DeepKE

README.md
123.9 MB
MIT
邀请码
    Gitlink（确实开源）
  • 加入我们
  • 官网邮箱：gitlink@ccf.org.cn
    • QQ群
  • QQ群
    • 公众号
  • 公众号

版权所有：中国计算机学会技术支持：开源发展技术委员会
京ICP备13000930号-9 京公网安备 11010802047560号