简体中文 | English
目录
信息抽取应用针对信息抽取一系列高频场景开源了产业级解决方案，具备多领域、多任务、跨模态的能力，打通数据标注-模型训练-模型调优-预测部署全流程，可快速实现信息抽取产品落地。
信息抽取通俗地说就是从给定的文本/图片等输入数据中抽取出结构化信息的过程。在信息抽取的落地过程中通常面临领域多变、任务多样、数据稀缺等许多挑战。针对信息抽取领域的难点和痛点，PaddleNLP信息抽取应用基于UIE统一建模的思想，提供了信息抽取产业级应用方案，除支持纯文本场景实体、关系、事件、观点等不同任务抽取外，还支持文档/图片/表格的端到端信息抽取。该应用不限定行业领域和抽取目标，可实现从产品原型研发、业务POC阶段到业务落地、迭代阶段的无缝衔接，助力开发者实现特定领域抽取场景的快速适配与落地。
信息抽取应用亮点：
- 覆盖场景全面🎓： 覆盖信息抽取各类主流任务，面向纯文本和文档场景，支持多语言，满足开发者多样信息抽取落地需求。
- 效果领先🏃： 以在纯文本、多模态上均有突出效果的UIE系列模型作为训练基座，提供多种尺寸的预训练模型满足不同需求，具有广泛成熟的实践应用性。
- 简单易用⚡： 通过Taskflow实现三行代码可实现无标注数据的情况下进行快速调用，一行命令即可开启信息抽取训练，轻松完成部署上线，降低信息抽取技术落地门槛。
- 高效调优✊： 开发者无需机器学习背景知识，即可轻松上手数据标注及模型训练流程。
多模型选择，满足精度、速度，适配不同信息抽取使用场景。
| 模型名称 | 使用场景 | 支持任务 |
|---|---|---|
uie-baseuie-mediumuie-miniuie-microuie-nano |
面向纯文本场景的抽取式模型，支持中文 | 具备实体、关系、事件、评论观点等通用信息抽取能力 |
uie-base-en |
面向纯文本场景的抽取式模型，支持英文 | 具备实体、关系、事件、评论观点等通用信息抽取能力 |
uie-m-baseuie-m-large |
面向纯文本场景的抽取式模型，支持中英 | 具备实体、关系、事件、评论观点等通用信息抽取能力 |
uie-x-base |
面向纯文本和文档场景的抽取式模型，支持中英 | 支持纯文本场景的全部功能，还支持文档/图片/表格的端到端信息抽取 |
信息抽取应用使用ERNIE 3.0轻量级模型作为预训练模型，同时在大量信息抽取数据上进行了二次预训练，从而让模型适配固定prompt。
- 中文文本数据集实验效果
我们在互联网、医疗、金融三大垂类文本自建测试集上进行了实验：
| 金融 | 医疗 | 互联网 | ||||
|---|---|---|---|---|---|---|
| 0-shot | 5-shot | 0-shot | 5-shot | 0-shot | 5-shot | |
| uie-base (12L768H) | 46.43 | 70.92 | 71.83 | 85.72 | 78.33 | 81.86 |
| uie-medium (6L768H) | 41.11 | 64.53 | 65.40 | 75.72 | 78.32 | 79.68 |
| uie-mini (6L384H) | 37.04 | 64.65 | 60.50 | 78.36 | 72.09 | 76.38 |
| uie-micro (4L384H) | 37.53 | 62.11 | 57.04 | 75.92 | 66.00 | 70.22 |
| uie-nano (4L312H) | 38.94 | 66.83 | 48.29 | 76.74 | 62.86 | 72.35 |
| uie-m-large (24L1024H) | 49.35 | 74.55 | 70.50 | 92.66 | 78.49 | 83.02 |
| uie-m-base (12L768H) | 38.46 | 74.31 | 63.37 | 87.32 | 76.27 | 80.13 |
| 🧾 🎓uie-x-base (12L768H) | 48.84 | 73.87 | 65.60 | 88.81 | 79.36 | 81.65 |
0-shot表示无训练数据直接通过paddlenlp.Taskflow进行预测，5-shot表示每个类别包含5条标注数据进行模型微调。实验表明UIE在垂类场景可以通过少量数据（few-shot）进一步提升效果。
- 多模态数据集实验效果
我们在通用、金融、医疗三大场景自建多模态测试集上对UIE-X的零样本效果进行了实验：
| 通用 | 金融 | 医疗 | ||
|---|---|---|---|---|
| 🧾 🎓uie-x-base (12L768H) | 65.03 | 73.51 | 84.24 | |
通用测试集包含了不同领域的复杂样本，抽取难度最大。
调研阶段
- 该阶段目标需求开放且缺少数据积累。我们提供Taskflow三行代码极简调用的方式，无需标注数据即可在业务场景上快速验证效果。
数据准备阶段
- 我们推荐在实际的业务场景中定制自己的信息抽取模型。我们提供了不同抽取场景的Label Studio标注解决方案，可基于该方案实现从数据标注到训练数据构造的无缝衔接，大大降低了数据标注、模型定制的时间成本。
模型微调及封闭域蒸馏
- 基于UIE优秀的小样本微调能力，实现低成本模型定制适配。同时提供封闭域蒸馏的加速方案，解决抽取速度慢的问题。
模型部署
- 提供HTTP部署方案，快速实现定制模型的部署上线。
- 🧾 通过Huggingface网页体验UIE-X功能：
-
UIE-X端到端文档抽取产业应用示例
-
报关单
-
Delivery Note（需微调）
-
增值税发票（需微调）
-
表单（需微调）
-
- 通过Taskflow实现开箱即用 👉 文本抽取 Taskflow使用指南 👉 文档抽取 Taskflow使用指南
- 快速开启文本信息抽取 👉 文本信息抽取指南
- 快速开启文档信息抽取 👉 文档信息抽取指南