模型介绍
中文整理SiameseUIE通用信息抽取模型介绍
SiameseUIE通用信息抽取模型，基于提示（Prompt）+文本（Text）的构建思路，利用指针网络（Pointer Network）实现片段抽取（Span Extraction），从而实现命名实体识别（NER）、关系抽取（RE）、事件抽取（EE）、属性情感抽取（ABSA）等多类任务的抽取。和市面上已有的通用信息抽取模型不同的是：
- *更通用**：SiameseUIE基于递归的训练推理架构，不仅可以实现常见的NER、RE、EE、ABSA这类包含一个或两个抽取片段的信息抽取任务，也可以实现包含更多抽取片段的信息抽取任务，例如：比较观点识别五元组任务等等，因此更为通用，几乎可以解决所有的信息抽取问题；
- *更高效**：SiameseUIE基于孪生神经网络的思想，将预训练语言模型（PLM）的前 N-n 层改为双流，后 n 层改为单流。我们认为语言模型的底层更多的是实现局部的简单语义信息的交互，顶层更多的是深层信息的交互，因此前N-n层不需要让Prompt和Text做过多的交互，我们将前N-n层Text的隐向量表示缓存了下来，从而将**推理速度提升了30%**；
- *更精准**：我们在4类任务、6个领域、9个数据集上进行了测试，**在零样本情况下，F1 Score较竞品模型提升24.6%，在少样本情况下(去除了部分数量较少的数据集)提升3-5个百分点**；
模型描述
模型基于structbert-base-chinese在千万级远监督数据+有监督数据预训练得到，模型框架如下图：
期望模型使用方式以及适用范围
你可以使用该模型，实现命名实体识别（NER）、关系抽取（RE）、事件抽取（EE）、属性情感抽取（ABSA）等各类信息抽取任务。
如何使用
安装Modelscope
依据ModelScope的介绍，实验环境可分为两种情况。在此推荐使用第2种方式，点开就能用，省去本地安装环境的麻烦，直接体验ModelScope。
1 本地环境安?
可参考ModelScope环境安装。
2 Notebook
ModelScope直接集成了线上开发环境，用户可以直接在线训练、调用模型。
打开模型页面，点击右上角“在Notebook中打开”，选择机器型号后，即可进入线上开发环境。
代码范例
Fine-Tune 微调示例
零样本推理示例
模型局限性以及可能的偏差
模型在较冷门的场景，效果可能不及预期。
数据评估及结果
我们在4类任务、6个领域、9个数据集上进行了测试，我们选择DuUIE作为Baseline，在零样本情况下，**F1 Score较DuUIE模型提升24.6%；**
在少样本情况下(去除了部分数量较少无法微调的数据集)**F1 Score较竞品模型提升3-5个百分点**；
相关论文以及引用信息
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。