PaddleNLP/applications/information_extraction

• 信息抽取应用
• • 1. 信息抽取应用简介
  • 2. 技术特色
  • • 2.1 信息抽取方案全覆盖
    • 2.2 强大的训练基座
    • 2.3 产业级全流程方案
    • 2.4 效果展示
  • 3. 快速开始
  • • 3.1 Taskflow开箱即用
    • 3.2 文本信息抽取
    • 3.3 文档信息抽取

简体中文 | English

信息抽取应用

目录

• 1. 信息抽取应用简介
• 2. 技术特色
  • 2.1 信息抽取方案全覆盖
  • 2.2 强大的训练基座
  • 2.3 产业级全流程方案
  • 2.4 效果展示
• 3. 快速开始
  • 3.1 Taskflow开箱即用
  • 3.2 文本信息抽取
  • 3.3 文档信息抽取

1. 信息抽取应用简介

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。

2. 技术特色

2.1 信息抽取方案全覆盖

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-base uie-medium uie-mini uie-micro uie-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-base uie-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

2.2 强大的训练基座

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。

2.3 产业级全流程方案

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。
  • 文本抽取 Taskflow使用指南
  • 文档抽取 Taskflow使用指南

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。
  • 文本抽取标注指南
  • 文档抽取标注指南。

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。
  • 文本信息抽取全流程示例
  • 文档信息抽取全流程示例

模型部署

• 提供HTTP部署方案，快速实现定制模型的部署上线。
  • 文本抽取HTTP部署指南
  • 文档抽取HTTP部署指南

2.4 效果展示

• 🧾 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）

    

3. 快速开始

3.1 Taskflow开箱即用

• 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

3.2 文本信息抽取

• 快速开启文本信息抽取 👉 文本信息抽取指南

3.3 文档信息抽取

• 快速开启文档信息抽取 👉 文档信息抽取指南