OpenKG地址：http://openkg.cn/tool/openue
GitHub地址：https://github.com/openkg-org/openue
Gitee地址：https://gitee.com/openkg/openue
OpenUE网站：http://openue.openkg.cn
论文地址：https://aclanthology.org/2020.emnlp-demos.1.pdf
开放许可协议：GPL 3.0
贡献者：浙江大学（张宁豫、谢辛、毕帧、王泽元、陈想、叶宏彬、余海阳、田玺、邓淑敏、郑国轴、陈华钧）,阿里巴巴集团（陈漠沙、谭传奇、黄非）
知识图谱以结构化的形式描述真实世界中实体间的复杂关系，是人工智能的底层支撑。依托于行业数据和深度学习技术，知识图谱已被广泛应用于诸多产业核心的场景，因此催生了知识图谱构建需求。知识抽取可以从海量的文本或网页的原始数据中提取有价值的信息，最终以结构化的形式进行描述，是支撑知识图谱构建的主要任务之一。然而，由于知识的复杂性和异构性，不同的抽取任务需要设计不同的模型，在一定程度上影响了知识抽取的效率。本文开源了OpenUE工具，其提出了一个简单的思想，即大多数任务可以用一种通用的抽取范式来表示，实现了一个轻量级通用知识抽取工具。本工具的前一个版本已被自然语言处理顶级会议EMNLP2020录用为Demo论文。

本工具更新的内容如下：

1. 重新封装了全新的Pytorh训练测试接口，便于用户调用。
2. 基于通用抽取范式支持多种抽取任务，实现轻量级知识抽取。
3. 新增一键TorchServing功能，实现敏捷知识抽取服务部署。

OpenUE使开发人员可以训练自定义任务，并从文本中提取信息，支持研究人员快速进行模型验证。此外还提供了在线Demo演示，无需进行训练和部署，支持实时知识抽取，包括三元组知识抽取，槽填充和意图检测，事件抽取等。

内容中包含的图片若涉及版权问题，请及时与我们联系删除