--- title: InstructIE canonical_url: "https://www.modelscope.cn/datasets/ZJUNLP/InstructIE" md_url: "https://www.modelscope.cn/datasets/ZJUNLP/InstructIE.md" repository: ZJUNLP/InstructIE chinese_name: InstructIE last_updated: 2024-03-01 license: mit storage_size: "1004 MB" domain: - task_categories - language tasks: - text2text-generation - zh downloads: 2101 stars: 3 --- # InstructIE > InstructIE - ZJUNLP 在 ModelScope 开源的数据集。基于指令的信息抽取数据集 ZJUNLP/InstructIE 是 ModelScope 魔搭社区上的text2text-generation、zh数据集，涉及 task_categories、language 领域，存储大小 1004 MB，采用 mit 许可。 - **Repository**: ZJUNLP/InstructIE - **License**: mit - **Tasks**: text2text-generation, zh - **Domain**: task_categories, language - **Storage size**: 1004 MB - **Downloads**: 2101 - **Stars**: 3 - **Last updated**: 2024-03-01 Source: https://www.modelscope.cn/datasets/ZJUNLP/InstructIE --- ## 新闻 * [2024/02] 我们发布了一个大规模(`0.32B` tokens)高质量**双语**(中文和英文)信息抽取(IE)指令微调数据集，名为 [IEPile](https://huggingface.co/datasets/zjunlp/iepie), 以及基于 `IEPile` 训练的两个模型[baichuan2-13b-iepile-lora](https://huggingface.co/zjunlp/baichuan2-13b-iepile-lora)、[llama2-13b-iepile-lora](https://huggingface.co/zjunlp/llama2-13b-iepile-lora)。 * [2023/10] 我们发布了一个新的**双语**(中文和英文)基于主题的信息抽取(IE)指令数据集，名为[InstructIE](https://huggingface.co/datasets/zjunlp/InstructIE)。 * [2023/08] 我们推出了专用于信息抽取(IE)的13B模型，名为[knowlm-13b-ie](https://huggingface.co/zjunlp/knowlm-13b-ie/tree/main)。 * [2023/05] 我们启动了基于指令的信息抽取项目。 InstructIE是一个基于主题schema的双语信息抽取数据集, 我们将文本划分成12个主题 (分别是人物, 地理地区, 建筑结构, 作品, 生物, 人造物件, 自然科学, 组织, 运输, 事件, 天文对象, 医学), 并为每个主题设计了相应的schema, 我们期望模型能在InstructIE上学习到一种通用抽取能力, 并泛化到其他领域上。 `InstructIE` 数据集包含以下文件： - `train_zh.json`: 中文训练集, 论文`InstructIE: A Bilingual Instruction-based Information Extraction Dataset`中使用的数据集。 - `train_en.json`: 英文训练集, 论文`InstructIE: A Bilingual Instruction-based Information Extraction Dataset`中使用的数据集。 - `train_zh_plus.json`: 用LLMs增强后的中文训练集。 - `train_en_plus.json`: 用LLMs增强后的英文训练集。 - `dev_zh.json`: 中文验证集。 - `dev_en.json`: 英文验证集。 - `test_zh.json`: 中文测试集。 - `test_en.json`: 英文测试集。 - `schema_zh.json`: 中文12个主题下的schema信息。 - `schema_en.json`: 英文12个主题下的schema信息。 一条数据的示例 ```json { "id": "bac7c32c47fddd20966e4ece5111690c9ce3f4f798c7c9dfff7721f67d0c54a5", "cate": "地理地区", "text": "阿尔夫达尔（挪威语：Alvdal）是挪威的一个市镇，位于内陆郡，行政中心为阿尔夫达尔村。市镇面积为943平方公里，人口数量为2,424人（2018年），人口密度为每平方公里2.6人。", "relation": [ {"head": "阿尔夫达尔", "head_type": "地理地区", "relation": "面积", "tail": "943平方公里", "tail_type": "度量"}, {"head": "阿尔夫达尔", "head_type": "地理地区", "relation": "别名", "tail": "Alvdal", "tail_type": "地理地区"}, {"head": "内陆郡", "head_type": "地理地区", "relation": "位于", "tail": "挪威", "tail_type": "地理地区"}, {"head": "阿尔夫达尔", "head_type": "地理地区", "relation": "位于", "tail": "内陆郡", "tail_type": "地理地区"}, {"head": "阿尔夫达尔", "head_type": "地理地区", "relation": "人口", "tail": "2,424人", "tail_type": "度量"} ] } ``` 各字段的说明: | 字段 | 说明 | | :---------: | :----------------------------------------------------------: | | id | 每个数据点的唯一标识符。 | | cate | 文本的主题类别，总计12种不同的主题分类。 | | text | 模型的输入文本，目标是从中抽取涉及的所有关系三元组。 | | relation | 描述文本中包含的关系三元组，即(head, head_type, relation, tail, tail_type)。 | 利用上述字段，用户可以灵活地设计和实施针对不同信息**抽取需求**的指令和**输出格式**。 ## Citation 如果您使用了本项目代码或数据，烦请引用下列论文: ```bibtex @article{DBLP:journals/corr/abs-2305-11527, author = {Honghao Gui and Shuofei Qiao and Jintian Zhang and Hongbin Ye and Mengshu Sun and Lei Liang and Huajun Chen and Ningyu Zhang}, title = {InstructIE: A Bilingual Instruction-based Information Extraction Dataset}, journal = {CoRR}, volume = {abs/2305.11527}, year = {2023}, url = {https://doi.org/10.48550/arXiv.2305.11527}, doi = {10.48550/arXiv.2305.11527}, eprinttype = {arXiv}, eprint = {2305.11527}, timestamp = {Thu, 25 May 2023 15:41:47 +0200}, biburl = {https://dblp.org/rec/journals/corr/abs-2305-11527.bib}, bibsource = {dblp computer science bibliography, https://dblp.org} } ```