信息抽取实战：基于R-NET算法的答案抽取 代码+数据

• 任务描述：通过对互联网上的海量资源进行阅读理解，直接得出答案返回给用户。本教程以多文档阅读理解任务为例介绍，展示如何利用MRC模型从海量文本信息中获得人们想要的答案。
• 数据集：SQuAD（The Stanford Question Answering Dataset）该数据集基于群众在维基百科中提出的问题，其中每个问题的答案来自于对应阅读段落的一段文本，共计 500 多篇文章中的 10 万多个问答配对。数据集：https://download.csdn.net/download/qq_38735017/87092548
• 运行环境：Python3.7环境下测试了本教程代码。需要的第三方模块和版本包括：

  tqdm=4.43.0
  tensorflow>=1.5
  numpy=1.19.4

• 方法概述：本教程包括以下内容：文本数据准备、模型准备、训练和验证模型、测试模型和结果展示。模型的主体结构为R-NET，具体模型的细节参见论文。
  • 文本数据准备。通过样例对数据进行分析展示，让大家对本任务有充分的了解
  • 训练准备阶段。构造数据加载类和词典类；其次根据训练集和验证集数据构建词表词典，将词汇转化为数字id；初始化词向量等
  • 模型构建、训练和验证。对数字id向量化，输入R-NET进行模型训练和验证，并对每轮次的模型进行保存