CHIP-2020 中文医学文本实体关系抽取_chip2020

来源：这里

这个项目的本质是-----------医学文本的实体关系联合抽取问题，既要解决命名实体识别，又要解决关系分类问题。使用RoFormerV2模型作为预训练模型，GPLinker作为下游模型，在Embedding层添加FGM对抗训练增加模型性能。

一、数据集

• CHIP-2020-2中文医学文本实体关系抽取数据集

    数据集包含儿科训练语料和百种常见疾病训练语料，儿科训练语料来源于518种儿科疾病，百种常见疾病训练语料来源于109种常见疾病。
    近7.5万三元组数据，2.8万疾病语句和53种定义好的schema。
  1
  2

• 数据集格式

{
   
   "spo_list" : [
      {
   
         "Combined" : true,
         "object" : {
   
            "@value" : "外照射"
         },
         "object_type" : {
   
            "@value" : "其他治疗"
         },
         "predicate" : "放射治疗",
         "subject" : "慢性胰腺炎",
         "subject_type" : "疾病"
      },
      {
   
         "Combined" : true,
         "object" : {
   
            "@value" : "外照射"
         },
         "object_type" : {
   
            "@value" : "其他治疗"
         },
         "predicate" : "放射治疗",
         "subject" : "非肿瘤性疼痛",
         "subject_type" : "疾病"
      }
   ],
   "text" : "慢性胰腺炎@### 低剂量放射 自1964年起，有几项病例系列报道称外照射 (5-50Gy) 可以有效改善慢性胰腺炎患者的疼痛症状。慢性胰腺炎@从概念上讲，外照射可以起到抗炎和止痛作用，并且已经开始被用于非肿瘤性疼痛的治疗。"
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

临床实践文本可能不提及主题疾病---每句之前增加主题疾病实体，并以@和原文分割
Combined-----三元组来源上下多个句子，拼接在一起
”text”----记录来源文本
SPO表示法。S-头实体，O-尾实体，P-Predicate，即「关系（Relation）」更专业的叫法。
1
2
3
4

• 本代码需要将数据处理成如下的格式：

{
   
   "spo_list" : [
      {
   
         "Combined" : true,
         "object" : "外照射",
         "object_type" : "其他治疗",
         "predicate" : "放射治疗",
         "subject" : "慢性胰腺炎",
         "subject_type" : "疾病"
      },
      {
   
         "Combined" : true,
         "object" : "外照射",
         "object_type" : "其他治疗",
         "predicate" : "放射治疗",
         "subject" : "非肿瘤性疼痛",
         "subject_type" : "疾病"
      }
   ],
   "text" : "慢性胰腺炎@### 低剂量放射 自1964年起，有几项病例系列报道称外照射 (5-50Gy) 可以有效改善慢性胰腺炎患者的疼痛症状。慢性胰腺炎@从概念上讲，外照射可以起到抗炎和止痛作用
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22