基于卷积深度神经网络的关系分类

TensorFlow实现[论文]（http://www.aclweb.org/anthology/C14-1220），

于@FrankWork原始代码:https://github.com/FrankWork/conv_relation

csdn: https://blog.csdn.net/weixin_41779045/article/details/89948143

数据集：SemEval2010 task8

单词嵌入：senna

运行代码：

./run

环境（已测试）

• tensorflow 1.4.0
• python 3.5
• linux,macOs or windows

如何运行 ?

• 训练模型

  ./run

  where num_epochs=200 --word_dim=50have been set in 'run' file.

• 测试模型

  执行

  python src/train.py --num_epochs=200 --word_dim=50 --test

  然后你可以得到一个 'results.txt' 文件 /data/resuts.txt```

• 计算F1得分

  perl src/scorer.pl data/test_keys.txt data/results.txt

问题:

如果您使用Spyder或PyCharm来运行此代码，您可能会遇到此错误：

ArgumentError: argument --train_file: conflicting option string: --train_file

solution:

1. restart spyder

2. or add annotation for all definitions of tf.flags.FLAGS .

such as # flags.DEFINE_string("train_file", "data/train.cln", "original training file")

区别:

1.删​​除'隐藏层2'作为[提到的论文]（http://www.aclweb.org/anthology/C14-1220）
2.在卷积层中使用多窗口大小（w = 3，w = 4，w = 5）
3.删除Wordnet词法功能

最终评估

emEval 2010任务8有最终评估，运行和最终f1分数的书面记分员将被写入 results_scores.txt

perl src/scorer.pl data/test_keys.txt data/results.txt Done training, best_step: 12960, best_acc: 0.7751
duration: 0.20 hours
accuracy: 0.7751