远程监督关系抽取DIAG-NRE

远程监督的核心作用：为关系抽取任务or信息抽取任务，快速地、自动化地生成大量的训练数据集。
远程监督的核心弱点：存在很多噪声数据集，容易出现标注错误的情况。

针对以上问题，近年来的解决方法是通过与弱监督方法相结合，通过不同的弱监督信号来生成更高质量的训练标签，如基于模式的标注。
尽管弱监督融合既能生成更高质量的标注又有较好的可解释性，但该类方法也存在一定的局限性：通常假定由(领域专家)来提供具有关系指向性的模式规则，比如符合xxx：PER .* xxx：CITY的句子倾向于“出生地”关系。

这种人工撰写规则的方式需要大量的工作，当需要关系抽取的应用领域发生改变后，又得人工定义新的抽取规则，这样的方法就显得比较耗力耗时。

如何自动化的生成高质量的训练数据呢？
2018年的DIAG-NRE是新提出的一套神经模式整段框架来桥接远程监督与弱监督融合。分别包含：模式抽取和模式精炼。

代码
论文

1.环境搭建

conda env create --file=environment.yml  #创建模型所需的基础环境
source activate diag-nre  #激活虚拟环境
source ./shell/set_env.sh   #设置环境运行所需参数，创建文件夹

2.数据下载

base_data.zip or base_data.zip

unzip base_data.zip
cd base_data
python prepare_data.py $WOKR_DIR

3.可运行的程序

python batch_train_rel.py
python batch_train_agent.py
python batch_train_diag.py
python batch_retrain_rel.py
python batch_eval_total.py

本来想一一运行，看看源代码的，结果服务器内存不够！！