背景
了解知识图谱的友友应该都知道，知识图谱的构建可以从已有的非结构化、半结构化以及结构化的数据进行构建。对于结构化的数据，通常是数据库中的表，可以使用一些工具如R2RML语言。对于非结构化的数据，通常处理的对象是文本，但是随着研究领域的发展图片，视频等（多模态）也开始成为构建知识的来源。
相关技术也在不断发展，技术的可靠性可以通过有没有落地来验证。今天就介绍一个支持低资源、长篇章、多模态的开源知识抽取工具——DeepKE。后续会根据情况对代码进行研读，并分享出来。
DeepKE是由浙江大学知识引擎实验室开发的中文关系抽取开源工具，官方网址：http://deepke.zjukg.org/CN/index.html，源码Github地址：https://github.com/zjunlp/DeepKE。DeepKE是一个开源和可扩展的知识图谱抽取工具，支持常规全监督、低资源少样本、长篇章文档和多模态场景，覆盖各种信息抽取任务包括命名实体识别、关系抽取和属性抽取。通过一个统一的框架，DeepKE 允许开发人员和研究人员自定义数据集和模型，并根据他们的需求从非结构化文本中抽取信息。DeepKE针对不同的功能和场景提供了各种功能模块和模型实现，以保持足够的模块化和可扩展性。此外，DeepKE还为初学者提供了全面的文档和 Google Colab 教程。用户可以通过”pip install deepke”安装 DeepK
Original: https://blog.csdn.net/meiqi0538/article/details/125771632
Author: 科皮子菊
Title: 【NLP】一个支持低资源、长篇章、多模态的开源知识抽取工具——DeepKE
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/719637/
转载文章受原作者版权保护。转载请注明原作者出处！