信息抽取（二）花了一個星期走了無數(shù)條彎路終于用TF復(fù)現(xiàn)了蘇神的《Bert三元關(guān)系抽取》模型，我到底悟到了什么？

• 前言
• 數(shù)據(jù)格式與任務(wù)目標(biāo)
• 模型整體思路
• 復(fù)現(xiàn)代碼
• • 數(shù)據(jù)處理
  • • 數(shù)據(jù)讀取
    • 訓(xùn)練數(shù)據(jù)處理
  • 模型搭建
  • • 模型參數(shù)圖
    • Conditional_LayerNormalization
  • SPO的抽取，評估并保存模型
  • 模型訓(xùn)練
• 一些排坑
• 可能的優(yōu)化方向
• 總結(jié)

---

前言

先上熱菜致敬蘇神：蘇劍林. (2020, Jan 03). 《用bert4keras做三元組抽取 》[Blog post]. Retrieved from https://kexue.fm/archives/7161

建議大家先看蘇神的原文，如果您能看懂思路和代碼的話我的文章可能對你的幫助不大。

拜讀這篇文章之后本人用TF + Transformers 復(fù)現(xiàn)了該baseline模型，并在其基礎(chǔ)上進(jìn)行了大量的嘗試，直到心累也沒有成功復(fù)現(xiàn)相同水平的結(jié)果，但也有所接近，因此用這篇文章復(fù)盤整個過程并分享一些收獲和心得。

---

數(shù)據(jù)格式與任務(wù)目標(biāo)

數(shù)據(jù)下載地址：https://ai.baidu.com/broad/download?dataset=sked
數(shù)據(jù)格式：

{"text": "查爾斯·阿蘭基斯（Charles Aránguiz），1989年4月17日出生于智利圣地亞哥，智利職業(yè)足球運(yùn)動員，司職中場，效力于德國足球甲級聯(lián)賽勒沃庫森足球俱樂部", "spo_list": [{"predicate": "出生地", "object_type": "地點", "subject_type": "人物", "object": "圣地亞哥", "subject": "查爾斯·阿蘭基斯"}, {"predicate": "出生日期", "object_type": "Date", "subject_type": "人物", "object": "1989年4月17日", "subject": "查爾斯·阿蘭基斯"}]}

簡單來說給定一段文本，我們需要從中抽取出多組 S(subject) P(predicate) O(object_type)的關(guān)系。

例如：“查爾斯·阿蘭基斯–出生日期–1989年4月17日”則是一組我們需要抽取出來的信息。而 P（需要預(yù)測的關(guān)系）已經(jīng)給定范圍，一共49類關(guān)系，具體見 all_50_schemas 。

---

模型整體思路

這個模型思路的精彩之處：

該任務(wù)本來應(yīng)該分成兩個模塊完成：1.抽取實體（包括S和O）2.判斷實體之間的關(guān)系，理應(yīng)至少需要兩個模型協(xié)同完成，但蘇神將實體之間的關(guān)系類別預(yù)測隱性的放在了O抽取的過程中，即讓模型在預(yù)測O的時候直接預(yù)測O與S的關(guān)系P。

指針標(biāo)注：對每個span的start和end進(jìn)行標(biāo)記，對于多片段抽取問題轉(zhuǎn)化為N個2分類（N為序列長度），如果涉及多類別可以轉(zhuǎn)化為層疊式指針標(biāo)注（C個指針網(wǎng)絡(luò)，C為類別總數(shù)）。事實上，指針標(biāo)注已經(jīng)成為統(tǒng)一實體、關(guān)系、事件抽取的一個“大殺器”。

由于一個文本中可能存在多對SPO關(guān)系組，甚至可能存在S之間有Overlap，O之間有Overlap的情況，因此模型的輸出層使用的是半指針-半標(biāo)注的sigmoid（類似多標(biāo)簽預(yù)測實體的始末位置，與閱讀理解相似）這樣可以讓模型同時標(biāo)注多對S和O。

使用Conditional Layer Normalization 我們需要在預(yù)測PO時告訴模型，我們的S是什么，以至于使得模型學(xué)習(xí)到PO的預(yù)測是依賴于S的，而不是看見“日期”就認(rèn)為是出生年月。具體的內(nèi)部實現(xiàn)流程也可以參考我的代碼，會有介紹。（這各地方也卡了我很久才跑通）最后評估下來這個方法有利也有弊。

---

復(fù)現(xiàn)代碼

數(shù)據(jù)處理

數(shù)據(jù)讀取

def load_data(path):text_list = []spo_list = []with open(path) as json_file:for i in json_file:text_list.append(eval(i)['text'])spo_list.append(eval(i)['spo_list'])return text_list,spo_listdef load_ps(path):with open(path,'r') as f:data = pd.DataFrame([eval(i) for i in f])['predicate']p2id = {}id2p = {}data = list(set(data))for i in range(len(data)):p2id[data[i]] = iid2p[i] = data[i]return p2id,id2p

訓(xùn)練數(shù)據(jù)處理

這里處理的思路和信息抽取（一）中處理的思路相似，有詳細(xì)的代碼注釋：
信息抽取（一）機(jī)器閱讀理解——樣本數(shù)據(jù)處理與Baseline模型搭建訓(xùn)練（2020語言與智能技術(shù)競賽）

這里主要介紹針對本次任務(wù)的幾個細(xì)節(jié)和trick：

由于一段文本可能存在多個S，因此遍歷一組數(shù)據(jù)里的所有SPO關(guān)系，將所有S的頭尾位置放在一個01數(shù)組中。

對于存在多組SPO關(guān)系的樣本，在標(biāo)注PO時，我們只隨機(jī)選取一個S，理由比較簡單，你沒辦法一下子傳入多個S給下一個模型。

抽取S時，隨機(jī)選取一個S的首位置，從所有S的末位置中選取一個與之匹配，如果是完整的S，則對其所有的PO進(jìn)行標(biāo)注，否則跳過，該樣本作為負(fù)樣本。這是為了讓模型學(xué)會并非所有抽取出來的S都有對應(yīng)的PO關(guān)系。

由于限制了token長度，對于找不到S的樣本最后去除，對于找不到P的樣本保留，同樣作為負(fù)樣本。

def proceed_data(text_list,spo_list,p2id,id2p,tokenizer,MAX_LEN):id_label = {}ct = len(text_list)MAX_LEN = MAX_LENinput_ids = np.zeros((ct,MAX_LEN),dtype='int32')attention_mask = np.zeros((ct,MAX_LEN),dtype='int32')start_tokens = np.zeros((ct,MAX_LEN),dtype='int32')end_tokens = np.zeros((ct,MAX_LEN),dtype='int32')send_s_po = np.zeros((ct,2),dtype='int32')object_start_tokens = np.zeros((ct,MAX_LEN,len(p2id)),dtype='int32')object_end_tokens = np.zeros((ct,MAX_LEN,len(p2id)),dtype='int32')invalid_index = []for k in range(ct):context_k = text_list[k].lower().replace(' ','')enc_context = tokenizer.encode(context_k,max_length=MAX_LEN,truncation=True) if len(spo_list[k])==0:invalid_index.append(k)continuestart = []end = []S_index = []for j in range(len(spo_list[k])):answers_text_k = spo_list[k][j]['subject'].lower().replace(' ','')chars = np.zeros((len(context_k)))index = context_k.find(answers_text_k)chars[index:index+len(answers_text_k)]=1offsets = []idx=0for t in enc_context[1:]:w = tokenizer.decode([t])if '#' in w and len(w)>1:w = w.replace('#','')if w == '[UNK]':w = '。'offsets.append((idx,idx+len(w)))idx += len(w)toks = []for i,(a,b) in enumerate(offsets):sm = np.sum(chars[a:b])if sm>0: toks.append(i) input_ids[k,:len(enc_context)] = enc_contextattention_mask[k,:len(enc_context)] = 1if len(toks)>0:start_tokens[k,toks[0]+1] = 1end_tokens[k,toks[-1]+1] = 1start.append(toks[0]+1)end.append(toks[-1]+1)S_index.append(j)#隨機(jī)抽取可以作為負(fù)樣本提高準(zhǔn)確率（不認(rèn)同）if len(start) > 0:start_np = np.array(start)end_np = np.array(end)start_ = np.random.choice(start_np)end_ = np.random.choice(end_np[end_np >= start_])send_s_po[k,0] = start_send_s_po[k,1] = end_s_index = start.index(start_)#隨機(jī)選取object的首位，如果選取錯誤，則作為負(fù)樣本if end_ == end[s_index]:for index in range(len(start)):if start[index] == start_ and end[index] == end_:object_text_k = spo_list[k][S_index[index]]['object'].lower().replace(' ','')predicate = spo_list[k][S_index[index]]['predicate']p_id = p2id[predicate]chars = np.zeros((len(context_k)))index = context_k.find(object_text_k)chars[index:index+len(object_text_k)]=1offsets = [] idx=0for t in enc_context[1:]:w = tokenizer.decode([t])if '#' in w and len(w)>1:w = w.replace('#','')if w == '[UNK]':w = '。'offsets.append((idx,idx+len(w)))idx += len(w)toks = []for i,(a,b) in enumerate(offsets):sm = np.sum(chars[a:b])if sm>0: toks.append(i) if len(toks)>0:id_label[p_id] = predicateobject_start_tokens[k,toks[0]+1,p_id] = 1object_end_tokens[k,toks[-1]+1,p_id] = 1else:invalid_index.append(k)return input_ids,attention_mask,start_tokens,end_tokens,send_s_po,object_start_tokens,object_end_tokens,invalid_index,id_label def proceed_var_data(text_list,spo_list,tokenizer,MAX_LEN):ct = len(text_list)MAX_LEN = MAX_LENinput_ids = np.zeros((ct,MAX_LEN),dtype='int32')attention_mask = np.zeros((ct,MAX_LEN),dtype='int32')for k in range(ct):context_k = text_list[k].lower().replace(' ','')enc_context = tokenizer.encode(context_k,max_length=MAX_LEN,truncation=True) input_ids[k,:len(enc_context)] = enc_contextattention_mask[k,:len(enc_context)] = 1return input_ids,attention_mask

模型搭建

模型與上文給出的模型示意圖結(jié)構(gòu)一致，也是該思路下最基本的baseline模型，后面還嘗試使用了不同的隱藏層和多種不同連接層，均沒有得到理想的提升，具體會在文末介紹。

Trick:為了改善類別不平和的問題（正樣本遠(yuǎn)少于負(fù)樣本）對于sigmoid之后輸出的概率值作n次方，思路與focal_loss類似但不用自己調(diào)參數(shù)。關(guān)于n的取值，以下是蘇神給出的解釋：

def extract_subject(inputs):"""根據(jù)subject_ids從output中取出subject的向量表征"""output, subject_ids = inputsstart = tf.gather(output,subject_ids[:,0],axis=1,batch_dims=0)end = tf.gather(output,subject_ids[:,1],axis=1,batch_dims=0)subject = tf.keras.layers.Concatenate(axis=2)([start, end])return subject[:,0]'''output.shape = (None,128,768)subjudec_ids.shape = (None,2)start.shape = (None,None,768)subject.shape = (None,None,1536)subject[:,0].shape = (None,1536)這一部分給出各個變量的shape應(yīng)該一目了然'''def build_model_2(pretrained_path,config,MAX_LEN,p2id):ids = tf.keras.layers.Input((MAX_LEN,), dtype=tf.int32)att = tf.keras.layers.Input((MAX_LEN,), dtype=tf.int32)s_po_index = tf.keras.layers.Input((2,), dtype=tf.int32)config.output_hidden_states = Truebert_model = TFBertModel.from_pretrained(pretrained_path,config=config,from_pt=True)x, _, hidden_states = bert_model(ids,attention_mask=att)layer_1 = hidden_states[-1]start_logits = tf.keras.layers.Dense(1,activation = 'sigmoid')(layer_1)start_logits = tf.keras.layers.Lambda(lambda x: x**2)(start_logits)end_logits = tf.keras.layers.Dense(1,activation = 'sigmoid')(layer_1)end_logits = tf.keras.layers.Lambda(lambda x: x**2)(end_logits)subject_1 = extract_subject([layer_1,s_po_index])Normalization_1 = LayerNormalization(conditional=True)([layer_1, subject_1])op_out_put_start = tf.keras.layers.Dense(len(p2id),activation = 'sigmoid')(Normalization_1)op_out_put_start = tf.keras.layers.Lambda(lambda x: x**4)(op_out_put_start)op_out_put_end = tf.keras.layers.Dense(len(p2id),activation = 'sigmoid')(Normalization_1)op_out_put_end = tf.keras.layers.Lambda(lambda x: x**4)(op_out_put_end)model = tf.keras.models.Model(inputs=[ids,att,s_po_index], outputs=[start_logits,end_logits,op_out_put_start,op_out_put_end])model_2 = tf.keras.models.Model(inputs=[ids,att], outputs=[start_logits,end_logits])model_3 = tf.keras.models.Model(inputs=[ids,att,s_po_index], outputs=[op_out_put_start,op_out_put_end])return model,model_2,model_3

模型參數(shù)圖

Conditional_LayerNormalization

這一部分直接拿的原碼，把keras換成tf，其他沒有作太大的改動，基本的思路是通過兩個Dense層將extract_subject出來的向量進(jìn)行矩陣變換，得到LayerNormalization的beta和gamma，而這個矩陣變化的參數(shù)是模型學(xué)出來的。
對于Conditional_LayerNormalization的介紹見上文鏈接。

class LayerNormalization(tf.keras.layers.Layer):"""(Conditional) Layer Normalizationhidden_*系列參數(shù)僅為有條件輸入時(conditional=True)使用"""def __init__(self,center=True,scale=True,epsilon=None,conditional=False,hidden_units=None,hidden_activation='linear',hidden_initializer='glorot_uniform',**kwargs):super(LayerNormalization, self).__init__(**kwargs)self.center = centerself.scale = scaleself.conditional = conditionalself.hidden_units = hidden_unitsself.hidden_activation = activations.get(hidden_activation)self.hidden_initializer = initializers.get(hidden_initializer)self.epsilon = epsilon or 1e-12def compute_mask(self, inputs, mask=None):if self.conditional:masks = mask if mask is not None else []masks = [m[None] for m in masks if m is not None]if len(masks) == 0:return Noneelse:return K.all(K.concatenate(masks, axis=0), axis=0)else:return maskdef build(self, input_shape):super(LayerNormalization, self).build(input_shape)if self.conditional:shape = (input_shape[0][-1],)else:shape = (input_shape[-1],)if self.center:self.beta = self.add_weight(shape=shape, initializer='zeros', name='beta')if self.scale:self.gamma = self.add_weight(shape=shape, initializer='ones', name='gamma')if self.conditional:if self.hidden_units is not None:self.hidden_dense = tf.keras.layers.Dense(units=self.hidden_units,activation=self.hidden_activation,use_bias=False,kernel_initializer=self.hidden_initializer)if self.center:self.beta_dense = tf.keras.layers.Dense(units=shape[0], use_bias=False, kernel_initializer='zeros')if self.scale:self.gamma_dense = tf.keras.layers.Dense(units=shape[0], use_bias=False, kernel_initializer='zeros')def call(self, inputs):"""如果是條件Layer Norm，則默認(rèn)以list為輸入，第二個是condition"""if self.conditional:inputs, cond = inputsif self.hidden_units is not None:cond = self.hidden_dense(cond)for _ in range(K.ndim(inputs) - K.ndim(cond)):cond = K.expand_dims(cond, 1)if self.center:beta = self.beta_dense(cond) + self.betaif self.scale:gamma = self.gamma_dense(cond) + self.gammaelse:if self.center:beta = self.betaif self.scale:gamma = self.gammaoutputs = inputsif self.center:mean = K.mean(outputs, axis=-1, keepdims=True)outputs = outputs - meanif self.scale:variance = K.mean(K.square(outputs), axis=-1, keepdims=True)std = K.sqrt(variance + self.epsilon)outputs = outputs / stdoutputs = outputs * gammaif self.center:outputs = outputs + betareturn outputs

SPO的抽取，評估并保存模型

這一部分的方法是自己寫的，也最有可能是因為抽取方法和評估方法與原文有不同之處，導(dǎo)致一直拿不到最好的結(jié)果。看個思路就好。

對于S和O的分?jǐn)?shù)閾值的選擇，這里S和O分別為0.5和0.4，這兩個值還需要通過多次實驗驗證來調(diào)整。需要注意的是：因為模型輸出時對sigmoid后的概率值作了2次和4次方，因此輸出的值會偏小，設(shè)置較高的閾值會提高精確度，但難免會犧牲一定的召回率。

class Metrics(tf.keras.callbacks.Callback):def __init__(self,model_2,model_3,id2tag,va_spo_list,va_input_ids,va_attention_mask,tokenizer):super(Metrics, self).__init__()self.model_2 = model_2self.model_3 = model_3self.id2tag = id2tagself.va_input_ids = va_input_idsself.va_attention_mask = va_attention_maskself.va_spo_list = va_spo_listself.tokenizer = tokenizerdef on_train_begin(self, logs=None):self.val_f1s = []self.best_val_f1 = 0def get_same_element_index(self,ob_list):return [i for (i, v) in enumerate(ob_list) if v == 1]def evaluate_data(self):question=[]answer=[]Y1 = self.model_2.predict([self.va_input_ids,self.va_attention_mask])for i in range(len(Y1[0])):for z in self.va_spo_list[i]:question.append((z['subject'][0],z['subject'][-1],z['predicate'],z['object'][0],z['object'][-1]))x_ = [self.tokenizer.decode([t]) for t in self.va_input_ids[i]]x1 = np.array(Y1[0][i]>0.5,dtype='int32')x2 = np.array(Y1[1][i]>0.5,dtype='int32')union = x1 + x2index_list = self.get_same_element_index(list(union))start = 0S_list=[]while start+1 < len(index_list):S_list.append((index_list[start],index_list[start+1]+1))start += 2for os_s,os_e in S_list:S = ''.join(x_[os_s:os_e])Y2 = self.model_3.predict([[self.va_input_ids[i]],[self.va_attention_mask[i]],np.array([[os_s,os_e]])])for m in range(len(self.id2tag)):x3 = np.array(Y2[0][0][:,m]>0.4,dtype='int32')x4 = np.array(Y2[1][0][:,m]>0.4,dtype='int32')if sum(x3)>0 and sum(x4)>0:predict = self.id2tag[m]union = x3 + x4index_list = self.get_same_element_index(list(union))start = 0P_list=[]while start+1 < len(index_list):P_list.append((index_list[start],index_list[start+1]+1))start += 2for os_s,os_e in P_list:if os_e>=os_s:P = ''.join(x_[os_s:os_e])answer.append((S[0],S[-1],predict,P[0],P[-1]))Q = set(question)S = set(answer)f1 = 2*len(Q&S)/(len(Q)+len(S))return f1def on_epoch_end(self, epoch, logs=None):logs = logs or {}_val_f1 = self.evaluate_data()self.val_f1s.append(_val_f1)logs['val_f1'] = _val_f1if _val_f1 > self.best_val_f1:self.model.save_weights('./model_/02_f1={}_model.hdf5'.format(_val_f1))self.best_val_f1 = _val_f1print("best f1: {}".format(self.best_val_f1))else:print("val f1: {}, but not the best f1".format(_val_f1))return

模型訓(xùn)練

K.clear_session() model,model_2,model_3 = build_model_2(pretrained_path,config,MAX_LEN,p2id) optimizer = tf.keras.optimizers.Adam(learning_rate=1e-5) model.compile(loss={'lambda': new_loss,'lambda_1': new_loss,'lambda_2': new_loss,'lambda_3': new_loss},optimizer=optimizer) model.fit([input_ids,attention_mask,send_s_po],\[start_tokens,end_tokens,object_start_tokens,object_end_tokens], \epochs=20, batch_size=32,callbacks=[Metrics(model_2,model_3,id2tag,va_spo_list,va_input_ids,va_attention_mask,tokenizer)])

最終F1只到了0.772，相比原文中的0.822還有一定距離，主要原因可能在于

對于驗證集上SPO的抽取寫的有問題，抽取不完全且可能出錯

在計算F1時，得到的SP結(jié)果直接通過decode得到，而不是原文中通過在原文中的index切片得到，會導(dǎo)致部分字符不匹配。

---

一些排坑

對于單個S，一定要把他所有的OP信息都標(biāo)注在C*N的矩陣?yán)?#xff0c;事實證明這必只抽取一組SPO關(guān)系效果有明顯的提升（F1:0.65-0.77）

對于該模型的loss，特別是OP矩陣部分的loss一定要重新定義！如果直接使用loss=‘binary_crossentropy’ 會使得整體Loss極小，導(dǎo)致梯度過小，更新緩慢且訓(xùn)練不充分。

def new_loss(true,pred):true = tf.cast(true,tf.float32)loss = K.sum(K.binary_crossentropy(true, pred))return loss

Conditional_LayerNorm層使用的Bert隱藏層需要和推理S的層一致，可能原因是模型在擬合S時，離S最近的最外層最能表達(dá)S在句中的語義，因此通過在該層上進(jìn)行Conditional_LayerNorm再進(jìn)一步推理PO，信息更完全。本人嘗試了用最外的隱藏層和次外的隱藏層分別推理S和PO，發(fā)現(xiàn)效果不佳。

Conditional_LayerNorm后不要接卷積！嘗試了和閱讀理解中的方法，通過對隱藏層進(jìn)行卷積來推理實體，但這似乎與Conditional_LayerNorm無法匹配。

---

可能的優(yōu)化方向

在Conditional_LayerNorm之后接position_embedding和self_attention如下圖所示：

不隨機(jī)選擇S(subject)，?是遍歷所有不同主語的標(biāo)注樣本構(gòu)建訓(xùn)練集。

多頭標(biāo)注代替指針標(biāo)注，具體見論文

---

總結(jié)

先做個承諾上述三個優(yōu)化方向和上文提到的F1計算和SPO抽取方法都會重新做一遍，因此總結(jié)等我優(yōu)化完再來一次性說啦～

---

完整代碼地址： https://github.com/zhengyanzhao1997/TF-NLP-model/blob/main/model/train/Three_relation_extract.py

參考文章：

蘇劍林. (2020, Jan 03). 《用bert4keras做三元組抽取 》[Blog post]. Retrieved from https://kexue.fm/archives/7161

一人之力，刷爆三路榜單！信息抽取競賽奪冠經(jīng)驗分享

總結(jié)

以上是生活随笔為你收集整理的信息抽取（二）花了一个星期走了无数条弯路终于用TF复现了苏神的《Bert三元关系抽取模型》，我到底悟到了什么？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。