使用BERT-BiLSTM-CRF实现 下载后放入pretrained_bert_models目录下即可
使用opennre包并编写了推理模块，模型位于RE/ckpt下，可以选择bert或者pcnn作为编码器
由于数据集是使用PubMed中的论文标注的，所以两个任务中Bert使用的都是pubmedbert-base-uncased
经过对比发现效果会比bert-base-uncased好。
预训练模型下载链接：https://huggingface.co/microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext
训练好的NER和RE模型下载链接：https://pan.baidu.com/s/1qLLQ-nsCqCUGI8T8ggN6gQ?pwd=1234
下载了相应的预训练模型后，只需简单调用
| NER_f1 | RE_f1 |
|---|---|
| 0.791 | 0.923 |
cd pipeline_ie
python pipeline.py
模型名称、路径等参数位于config.py模块下。
首先会加载NER/model/ckpt下的NER模型以及RE/ckpt下的RE模型后
对文本输入NER模型识别出所有实体后形成entity_list 然后将entity_list输入RE模型进行关系分类，选择关系得分>0.7的三元组进行保留。
最终结果将写入pred_res目录下：
