(源码)基于Python的InstructKGC项目.zip

# 基于Python的InstructKGC项目 ## 项目简介 本项目是天池比赛CCKS2023指令驱动的自适应知识图谱构建比赛的参赛代码。主要关注在已有知识图谱构建大模型Zhixi的基础上，如何最大化提升单一大模型在知识图谱构建上的效果。项目提出了多种策略，包括`triple-level-search`方法、`Tail-first-model`训练、打乱relation_set顺序以及预提供`<head, rel>`对或`<tail, rel>`对的形式，来干涉大模型生成结果的过程，从而得到更多的候选三元组。 ## 主要特性和功能 1. **`triple-level-search`方法**：在生成句子时，该方法会保留每种分支的可能，直到当前三元组生成完成，因此在不同长度的三元组生成上具备更好的自适应能力。 2. **`Tail-first-model`训练**：使用LoRA方法在基准大模型的基础上微调，得到按照(tail, relation, head)顺序生成三元组的模型。 3. **打乱relation_set顺序**：通过打乱relation_set的顺序，以及预提供`<head, rel>`对或`<tail, rel>`对的形式，来干涉大模型生成结果的过程。 4. **结果选取算法**：从候选三元组的集合中选取最终结果的算法流程，通过优先选取`head-first-model`和`tail-first-model`共有的结果，以及对特定relation手动制定的处理规则等，得到最终结果。 ## 安装使用步骤 1. **下载源码**：下载本项目的源码文件。 2. **数据和环境准备**： - 从比赛界面下载三个数据文件，放置在`data/`文件夹下。 - 下载基准知识图谱大模型的参数，放置在`model_hub/`文件夹下。 - 下载并设置`tail-first-model`的LoRA模型参数。 3. **运行项目**： - **快速复现比赛结果**：根据GPU显存情况选择执行命令，读取数据集和预生成的临时文件，输出结果并更新临时文件。 - **训练`tail-first-model`**：生成训练数据集并进行模型训练。 - **完整执行流程**：依次生成不同结果并最终输出结果。 ## 可能的问题 1. **`triple-level-search`方法**：仅支持batchsize=1的生成，且在某些输入下可能会报错。 2. **基准模型问题**：在运行过程中可能会生成预料之外的符号，导致`triple-level-search`报错。 ## Acknowledge