2023年第十八届“挑战杯”全国大学生课外学术科技作品竞赛“揭榜挂帅”专项赛
参加竞榜的选题发榜单位： 中国软件与技术服务股份有限公司
参加竞榜的选题名称： 基于信创的学习迁移模型构建知识图谱
申报作品具体名称： 融智图谱——学习迁移模型构建知识图谱
负责人：孤飞 ranxi169@163.com
针对源代码的使用说明
建议创建一个python3.8的虚拟环境，可能需要安装Rust Compiler
首先需要安装CUDA和PaddlePaddle(飞桨)框架：
针对CUDA 11.6我们第一步首先在终端运行以下代码：
pip install paddlepaddle-gpu==2.5.1.post116 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html
然后安装PaddleNLP：
pip install paddlenlp -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
以及安装Pytorch：
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
安装transformers：
pip install transformers -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
其余依赖按照requirements.txt安装即可。
--揭榜挂帅
--data-final：最终数据集（分为policy和news的train和test）格式为重新按照句子分段的txt
--data-origin：原始提供的多模态数据
--data-preprocess：转换多模态数据为txtline数据格式的脚本
--other-to-txt：第一步：将各种数据格式文件转换为txt文件
--txt-resegment：第二步：将所有的txt文件重新分句，使得每个段落（\n）不至于太长。
--train-test-split：第三步：将所有txt文件分为训练集和测试集
--data-preprocessed：多模态数据转化后的txt格式的数据集
--new-news：包含从wps、pdf和docx转换的txt文件
--new-policy：原本的txt文件，因为policy只有txt文件
--dataset-develop：用于开发更多功能的数据生成脚本
--batch-result-api.py：在后端等待并直接输出算法结果的api，可以批量输出
--batch-result-save.py：调用后端输出的api，批量输入txt获得算法结果
--docker:用于构建docker镜像的工作目录
--torch：语句补全的docker镜像源码
--uie：实体识别和关系抽取的docker镜像源码
--mixed-filter：用于过滤输出结果，混合过滤器提升模型最终结果准确性
--presentation：交互式前端展示，html，api和css
--back-end-api.py：后端api，先运行在888端口
--presentation.html：前端展示实体识别和关系提取代码，可以调用后端api
--sentence-comletion：知识框架补全部分，实现句子补全
--uie-model：基于飞桨UIE模型的迁移微调信息抽取模型
--checkpoint：模型微调后模型保存到的目录
--model_best4000：最终提交的模型文件目录，包含12个模型文件
--data：放置用于测试、模型微调训练的数据文件
--doccano_ext.json：其中只用放置这个标注的数据集文件，其余文件通过tran.sh脚本生成
--deploy：UIE模型部署到服务器的基础代码目录，不需要修改
--train.sh：从本目录下的data数据集获取train.txt数据进行模型微调训练的脚本
--tran.sh：将doccano_ext.json文件转换为train.txt、test.txt、name.txt、dev.txt
--model_evaluation：测试全部类型的实体与关系的准确率和召回率的脚本
--model_debug.sh：测试各个类型的实体和关系的精确率和召回率的脚本
--其余py文件：模型训练与测试等代码不用修改
--uie-pytorch:由飞桨版本UIE重构的Pytorch版本模型
--convert.sh：将uie paddle模型转换为pytorch动态图模型
--export.sh：将pytorch动态图模型转换为onnx静态图模型
--autoapi.py：在服务器上提供api，通过接口访问模型并返回预测结果的脚本
--localtest.py：在本地对事先输入的文本进行预测并返回预测结果的脚本
--requirements.txt：运行项目需要安装的Python库
- 准备好标注好的数据
doccano_ext.json，放进uie-model目录下的data文件夹内 - 运行
tran.sh，就会将从doccano导出的标注数据转化为模型的输入数据和测试数据 - 运行
train.sh，就可以开始训练uie-base模型，训练结束后会保存模型到checkpoint目录下的model_best路径下,train.sh可以根据自己的需求修改参数。
由于github等版本控制工具仓库有大文件限制，且模型文件通过git传输较慢，故将模型上传至百度网盘。提供了直接拷贝整个项目之外的快速传输方案。
将下载的压缩包解压后复制当前目录不存在的模型目录即可。
文件：model-best4000.rar 、 uie-pytorch.rar 、 docker.rar
链接：https://pan.baidu.com/s/1CLdcpnjK2CEDh0tZvZV6RA?pwd=czci
提取码：czci
运行model_evaluation.sh，就可以开始测试整个模型的精确率、召回率了，本模型的F1-Score能够达到97%，**三项指标性能均超过95%**满足题目要求。
运行model_debug.sh，就可以开始测试整个模型的精确率，召回率了，
实体识别精确率、召回率、F1-Score均高于95%.
关系提取准确率（指F1Score）仅有1/7个(政策的针对地区)低于95%，其余均高于95%
参数调整请看UIE模型的参数介绍文档：./uie-model/README.md
或者在线版：PaddleNLP/README.md at develop · PaddlePaddle/PaddleNLP (github.com)
有关doccano协同标注平台搭建，AIStudio 使用A100 GPU训练项目可以联系我：ranxi169@163.com
后端api已经打包至docker，具体使用说明请看说明文档：Docker后端使用说明
前端静态网页提供完整直接可部署的文件夹，具体使用说明请看说明文档：nginx前端使用说明